回归问题还是分类问题?

我为课堂项目从kaggle选择了一个数据集。这是数据集的链接。https://www.kaggle.com/iabhishekofficial/mobile-price-classification

在这个数据集中,有20个特征和一个名为“Price_range”的目标变量。该目标变量有四个类别:低价、中价、高价和非常高价。现在,这个数据集已经按照以下方式编码:低价 – 0,中价 – 1,高价 – 2,非常高价 – 2

根据我的理解,我认为这显然是一个分类问题,因为我不是在预测手机的直接价格,而是在预测手机价格的类别,是低价还是中价等等。现在的问题是,我的教授告诉我这不是一个分类问题,而是明显的回归问题。所以,现在请帮助我确定正确的事情。

尽管我确实相信这是分类问题,请帮助我找到这个问题的完美解决方案。


回答:

正如你在问题中所说,如果你想预测手机价格,那么你可以使用回归,因为价格是连续的。但如果你想预测手机的价格类别,那么它无疑属于分类问题。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注