Нужна ли классификация или регрессия, чтобы предсказать доступность пользователя с учетом некоторых функций?

Изучая методы интеллектуального анализа данных, я понял, что существует две основные категории:

• Прогнозные методы:

  • классификация
  • регрессия

• Описательные методы:

  • Кластеризация
  • Правила ассоциации

Поскольку я хочу предсказать доступность (выход) пользователя на основе местоположения, активности, уровня заряда батареи (вход для модели обучения), я думаю, что очевидно, что я выбрал бы «Методы прогнозирования», но теперь я не могу выбирать между классификация и регрессия. Из того, что я понимаю, классификация может решить мою проблему, потому что вывод «доступен» или «недоступен».

Может ли классификация предоставить мне вероятность (или вероятность) того, что пользователь будет доступен или недоступен?

Поскольку в выводе не будет просто 0 (недоступно) или 1 (доступно), но это будет что-то вроде:

• $80\%$ доступно
• $20\%$ недоступно

Можно ли решить эту проблему с помощью регрессии?

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

1. Да. Например, популярная регрессия softmax дает вам распределение вероятностей для каждого класса.
2. Да. Softmax - это регрессия по множеству дискретных классов.

Мы можем использовать регрессию для классификации, наиболее распространенной стратегией является получение наиболее вероятного класса для прогноза.

Да, вы можете использовать классификацию или регрессию в соответствии с вашими требованиями к продукции,

Если вам нужен помеченный вывод, например, доступен или недоступен, следует использовать классификацию.

Если вы хотите вывод в виде% доступности, тогда следует использовать регрессию.

Вы можете использовать наивную байесовскую классификацию и рассчитать апостериорные вероятности, используя предыдущие убеждения, или логистическую регрессию можно использовать с сигмовидной функцией.