我的目标是使用Azure机器学习，根据一个人的年龄来预测他们会选择哪种抵押贷款类型。

请注意，我有220,000行数据。虽然有多种抵押贷款类型，但购买、再抵押和买房出租在数据中占主导地位。数据的典型横截面可能是：

• 20岁，购买
• 30岁，购买
• 30岁，再抵押
• 40岁，再抵押
• 55岁，买房出租
• 55岁，房屋净值释放

我的Azure机器学习实验如下所示。我对元数据的编辑包括将抵押贷款类型列更改为标签，将年龄更改为整数。我还尝试了将它们设置为分类/非分类数据。

当我查看评估结果时，我得到了以下内容。

这是否意味着我只能以60%的置信度预测买房出租和购买？我这样做正确吗？还有其他方法可以实现我的目标吗？

回答：

AzureML显示的图表称为混淆矩阵。在你的情况下，应该这样解释：

对于每一笔实际为桥接抵押贷款的抵押贷款，模型有64.7%的几率预测为买房出租抵押贷款，17.6%的几率预测为购买抵押贷款，以及17.6%的几率预测为再抵押贷款。

你的模型只会预测选择的抵押贷款为买房出租、购买或再抵押。这可能是因为你仅使用年龄作为特征，这不能为模型提供很多信息。考虑添加更多的特征到你的模型中，以增强其预测能力。