Tôi có cần phân loại hoặc hồi quy để dự đoán tính khả dụng của người dùng được cung cấp một số tính năng không?

Trong khi nghiên cứu các phương pháp khai thác dữ liệu, tôi đã hiểu rằng có hai loại chính:

• Phương pháp dự đoán:

  • Phân loại
  • hồi quy

• Phương pháp mô tả:

  • Phân cụm
  • Quy tắc hiệp hội

Vì tôi muốn dự đoán mức độ sẵn có của người dùng (đầu ra) dựa trên vị trí, hoạt động, mức pin (đầu vào cho mô hình đào tạo), tôi nghĩ rõ ràng là tôi sẽ chọn "Phương pháp dự đoán", nhưng bây giờ tôi dường như không thể chọn giữa phân loại và hồi quy. Từ những gì tôi hiểu cho đến nay, phân loại có thể giải quyết vấn đề của tôi, bởi vì đầu ra là "có sẵn" hoặc "không có sẵn".

Phân loại có thể cung cấp cho tôi xác suất (hoặc khả năng) của người dùng có sẵn hay không có sẵn?

Vì trong đầu ra sẽ không chỉ là 0 (không khả dụng) hoặc 1 (khả dụng), nhưng đó là một dạng như:

• $80\%$ có sẵn
• $20\%$ không có sẵn

Vấn đề này cũng có thể được giải quyết bằng hồi quy?

$80$$80\%$$20\%$

1. Đúng. Ví dụ, hồi quy softmax phổ biến cung cấp cho bạn phân phối xác suất cho mỗi lớp.
2. Đúng. Softmax là một hồi quy trên một tập hợp các lớp rời rạc.

Chúng ta có thể sử dụng hồi quy để phân loại, chiến lược phổ biến nhất là lấy lớp có khả năng nhất để dự đoán.

Có, bạn có thể sử dụng phân loại hoặc hồi quy theo yêu cầu đầu ra của bạn,

Nếu bạn muốn đầu ra có nhãn, như có sẵn hoặc không có sẵn thì nên sử dụng phân loại.

Nếu bạn muốn đầu ra ở dạng% khả dụng thì nên sử dụng hồi quy.

Bạn có thể sử dụng phân loại vịnh ngây thơ và tính toán xác suất sau bằng cách sử dụng niềm tin trước hoặc hồi quy logistic có thể được sử dụng với chức năng sigmoid.