如何对多目标变量进行回归分析预测

我有一个自行车租赁数据集。在这个数据集中,我们的目标变量是Count,即自行车租赁的总数,这是数据集中两个变量之和,即临时用户数量变量和注册用户数量变量。所以我的问题是,我应该如何对这个数据集进行建模?我在考虑是否应该删除临时用户和注册用户变量,只保留Count变量作为我们的目标变量,并结合其他预测变量。请给出建议。


回答:

这个问题相当模糊,但我会尝试回答它。

我不太确定你想要预测什么。假设你想预测未来某个时间点将被租出的自行车数量。

如果临时用户和注册用户之间的区别对你的项目目的很重要且具有重大意义,那么你可能应该将它们视为不同的特征,而不是将它们合并为一个。

相反,如果这种区别不重要,你只关心自行车的总数量,那么你可以将它们合并并使用总和。

我认为你应该试着理解你试图实现什么,以及你希望通过分析回答哪些问题。

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