いくつかの機能があるユーザーの可用性を予測するには、分類または回帰が必要ですか？

データマイニング手法を研究していると、主に2つのカテゴリがあることがわかりました。

• 予測方法：

  • 分類
  • 回帰

• 説明的な方法：

  • クラスタリング
  • 相関ルール

場所、アクティビティ、バッテリーレベル（トレーニングモデルの入力）に基づいてユーザーの可用性（出力）を予測したいので、「予測方法」を選択するのは明らかだと思いますが、今はどちらを選択するように思えません。分類と回帰。これまでに理解したことから、出力は「利用可能」または「利用不可能」であるため、分類によって問題を解決できます。

分類により、ユーザーが利用可能または利用不可能になる確率（または可能性）を提供できますか？

出力のように、0（使用不可）または1（使用可能）だけではなく、次のようになります。

• $80\%$利用可能
• $20\%$は利用できません

この問題は、回帰を使用しても解決できますか？

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

1. はい。たとえば、人気のあるソフトマックス回帰は、各クラスの確率分布を提供します。
2. はい。Softmaxは、一連の離散クラスの回帰です。

分類に回帰を使用できます。最も一般的な戦略は、予測の最も可能性の高いクラスを取得することです。

はい、出力要件に応じて分類または回帰を使用できます。

使用可能または使用不可などのラベル付き出力が必要な場合は、分類を使用する必要があります。

可用性の％の形式で出力が必要な場合は、回帰を使用する必要があります。

単純ベイズ分類を使用し、事前の信念を使用して事後確率を計算するか、シグモイド関数でロジスティック回帰を使用できます。