machine-learning - 从三个特征(浮点数)预测 0 到 1 之间的输出
问题描述
我以前试过问这个,但我知道我没有提供足够的信息。我再试一次,会更彻底。
我正在尝试建立一个机器学习模型,该模型将根据 3 个数字特征返回 0 到 1 之间的值。我还没有很多数据,但我正在努力获取更多数据。以下是数据外观的快照:
例如,如果我输入以下内容:
-低:1.78 -中:2.30 -高:0.89 它会输出:0.34(只是一个例子)
分类器在这里是一个不错的选择吗?
提前致谢,如果我遗漏任何重要信息,请告诉我。
解决方案
如果您想要一个介于 0 和 1 之间的数字,它可以估计它属于给定类的可能性,那么使用概率分类器是一个不错的选择。经典的方法是逻辑回归和朴素贝叶斯。像 SVM 和决策树这样的方法不一定会给你一个概率作为输出,但是你可以应用 platt scaling 来获得一个(可能是扭曲的)概率尺度。具有 sigmoid 输出函数的 NN 也可以用于此目的,但我不推荐它,因为您没有大量数据。
推荐阅读
- python - Tweepy 绑定方法 API.me
- docker - 大 IP 删除 tcp/ip 路由并阻止与 Docker 容器的通信
- python - Python - 检查字典中的所有键值对并转换为 int 或 float
- mysql - 选择列中具有最大值的行
- unix - 计算 unix 文件中的行数,不包括多个标题和尾部
- azure - Azure 函数绑定在本地工作,但不在门户中
- android - 在android中实现和警报和提醒的最佳实践是什么?
- sql - SQL | 如何对 3 个项目的分区组求和?
- sql-server - SSIS 使用 SSIS 表达式将 mddyyyy 和 mmddyyyy 格式的日期转换为日期格式
- android - 无法在构建 Android 中使用 Ionic 加载资源