是否需要分类或回归来预测给定某些功能的用户的可用性？

在研究数据挖掘方法时，我已经了解到有两个主要类别：

• 预测方法：

  • 分类
  • 回归

• 描述方法：

  • 聚类
  • 关联规则

由于我想根据位置，活动，电池电量（培训模型的输入）来预测用户的可用性（输出），因此我认为很明显我会选择“预测方法”，但是现在我似乎无法选择分类和回归。从到目前为止的理解，分类可以解决我的问题，因为输出是“可用”或“不可用”。

分类能否为我提供用户可用或不可用的概率（或可能性）？

在输出中，不仅仅是0（不可用）或1（可用），还可以是：

• $80\%$可用
• $20\%$不可用

也可以使用回归来解决此问题吗？

我知道回归用于连续输出（不仅是0或1个输出），但是输出不能是用户可用性的连续值（例如输出为表示用户为可用，则用户是无法使用）。$80$$80\%$$20\%$

1. 是。例如，流行的softmax回归可为您提供每个类别的概率分布。
2. 是。Softmax是对一组离散类的回归。

我们可以使用回归进行分类，最常见的策略是获取最可能的类别进行预测。

是的，您可以根据您的输出要求使用分类或回归，

如果要标记输出，如可用或不可用，则应使用分类。

如果要以可用性百分比的形式输出，则应使用回归。

您可以使用朴素贝叶斯分类并使用先验信念来计算后验概率，或者逻辑回归可以与S形函数一起使用。