La differenza fondamentale tra la classificazione e l'albero di regressione è che nella classificazione le variabili dipendenti sono categoriali e non ordinate mentre nella regressione le variabili dipendenti sono valori interi continui o ordinati.
La classificazione e la regressione sono tecniche di apprendimento per creare modelli di previsione dai dati raccolti. Entrambe le tecniche sono presentate graficamente come alberi di classificazione e regressione, o meglio diagrammi di flusso con divisioni di dati dopo ogni passo, o meglio, "ramo" dell'albero. Questo processo è chiamato partizionamento ricorsivo. Campi come Mining utilizzano queste tecniche di classificazione e apprendimento della regressione. Questo articolo si concentra sull'albero di classificazione e l'albero di regressione.
