我在解决一个机器学习问题，其中目标变量是数值的，比如一个城市的污染水平。但客户对预测实际污染物的数量不感兴趣，他们只想知道根据商定的阈值，污染水平是高还是低。（如果PM2.5水平超过200，则为高，否则为低）。

我应该将其视为回归问题，并将数值的PM2.5水平作为目标，还是将其视为分类问题，根据阈值创建一个高/低污染水平的特征，并使用该二元变量作为目标？这两种方法的优缺点分别是什么？这会对准确性产生什么影响，如果有的话？

回答：

如果您的客户对知道实际数值不感兴趣，我建议采用分类模型。

您可以使用这种方法将目标变量转换为二元值，并沿用分类路径。

分类模型有更高的机会获得更好的准确性，因为模型更专注于分类边界，而回归模型可能会偏向于试图正确预测异常值/噪声数据点！