我能否使用逻辑回归算法基于历史数据预测给定任务的预计到达时间（ETA）？我有一些任务，其完成时间因任务类型、天气、季节、请求时间等因素而有所不同。
目前，我们在MySQL数据库中记录了所有任务根据任务类型所需的时间。现在，我们希望增加一个功能，根据这些因素和任务类型来预测任务的ETA，并将其显示给客户。
我们计划使用Spark，并使用逻辑回归和支持向量机（SVM）算法。我们在这个领域还很新，需要您的指导来验证我们的方法并提供额外的建议。
回答：
您可以仅使用线性回归模型来实现这一点，因为您试图预测的是一个连续的结果（ETA）。
您只需训练一个回归模型，根据您的输入特征（任务类型、天气、季节等）来预测ETA。该模型学习的是在给定一组特定输入的情况下，任务完成需要多长时间，然后将预测的结果显示给客户。
逻辑回归/SVM用于分类离散结果（即类别/组）。
另一种方法可能是将MySQL数据库中的ETA分数分层为短、中、长时间完成，然后使用这三个类别作为标签，而不是实际的数值。然后，您可以使用逻辑回归训练一个模型，根据您列出的输入特征对这三个类别进行分类。这种方法可行，但由于将ETA数据压缩到仅三个组中，您会失去一些分辨率，但这是您需要做出的设计决策。
