Galvenā atšķirība starp klasifikāciju un regresijas koku ir tāda, ka klasifikācijā atkarīgie mainīgie ir kategoriski un nekārtoti, savukārt regresijā atkarīgie mainīgie ir nepārtrauktas vai sakārtotas veselas vērtības.
Klasifikācija un regresija ir mācīšanās paņēmieni, lai izveidotu prognozēšanas modeļus no apkopotajiem datiem. Abas metodes grafiski tiek pasniegtas kā klasifikācijas un regresijas koki, vai drīzāk blokshēmas ar datu sadalījumu pēc katra soļa, pareizāk sakot, “zars” kokā. Šo procesu sauc par rekursīvo sadalīšanu. Tādās jomās kā Mining tiek izmantotas šīs klasifikācijas un regresijas mācīšanās metodes. Šis raksts koncentrējas uz klasifikācijas koku un regresijas koku.
