machine-learning - 将数字目标转换为二进制有用吗？

Question

我正在尝试解决目标变量为数字的 ML 问题，比如说一个城市的污染水平。但客户对预测污染物的实际数量不感兴趣，他们只是想知道基于商定阈值的污染水平是高还是低。（如果 PM2.5 水平高于 200，则为高，否则为低）。

我应该将其视为回归问题并将数字 PM2.5 水平作为目标，还是作为分类问题，根据阈值制作高/低污染水平的另一个特征并使用该二元变量作为目标？两者的优点和缺点是什么？如果有的话，它会对准确性产生什么影响？

标签： machine-learning

Answer 1

如果您的客户对了解实际值不感兴趣，我建议您使用分类模型。

您可以使用这种方法将目标变量转换为二进制值并遵循分类路径。

分类将有更高的准确性，因为模型更多地集中在分类边界上，而回归模型可能会偏向于尝试正确预测异常值/噪声数据点！