回归分析中包含连续和分类数据

我在机器学习领域还是一个初学者。假设有这样简单的数据:

+--------+--------+-----------------+| 年龄   | 性别   | 死亡率          |+--------+--------+-----------------+|      0 | 男性   | 0.01            ||     30 | 女性   | 0.2             ||     80 | 男性   | 30              |+--------+--------+-----------------+

为了根据年龄获得死亡率,我们可以使用回归分析,而根据性别则使用分类方法。将它们结合在一个机器学习算法中以生成输出预测的常用方法是什么?


回答:

你混淆了两件事:

  1. 输入数据类型

    你有分类数据(性别)和离散数值特征(年龄)。

  2. 学习任务

    分类:预测分类特征。回归:预测数值特征。

例如,决策树在分类任务中对分类输入效果最佳。支持向量机(SVM)对数值数据进行分类。支持向量回归(SVR)是SVM的回归变体。

我已经更新了你的问题标题。

你应该尝试的一种方法是将你的分类数据编码为二进制属性(例如,男性:1,女性:0),然后进行常规回归分析。

Related Posts

如何使用Google Protobuf解析、编辑和生成object_detection/pipeline.config文件

我在一个常见的集成学习范式中训练多个模型,目前我在处理…

我的GridSearchCV不起作用,我不知道为什么

大家好,我在使用GridSearchCV时遇到了问题,…

Keras: 两个同时进行的层,其中一个对前一层的输出进行卷积

我想实现这样的模型连接: 输入图像1 -> 卷积层1 …

如何将行数据转换为列数据而不使用独热编码

我有一个如下所示的数据集。 MonthDate Day…

使用 ML Kit 与 NNAPI

我正在尝试在运行 Android 9 的设备上使用新的…

Vowpal Wabbit 可能的哈希冲突

我在VW中生成了一个模型,并且在相同的数据上生成了两个…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注