连续和范畴数据的回归
连续和范畴数据的回归
提问于 2015-05-18 23:23:00
我还是机器学习领域的初学者。假设有这样的简单数据：
+--------+--------+-----------------+
| Age | Gender | Mortality Rates |
+--------+--------+-----------------+
| 0 | Male | 0.01 |
| 30 | Female | 0.2 |
| 80 | Male | 30 |
+--------+--------+-----------------+为了获得按年龄划分的死亡率，我们可以使用回归和性别分类。在一种机器学习算法中将它们结合在一起产生输出预测的常用方法是什么？
回答 1
Stack Overflow用户
回答已采纳
发布于 2015-05-19 06:07:36
你混淆了两件事：
- 输入数据类型 你有范畴(性别)和离散的数字特征(年龄)。
- 学习任务 分类:一个范畴特征的预测。回归:数值特征的预测。
例如，决策树对分类的类别输入最有效。支持向量机对数值数据进行分类。SVR是SVMs的回归变量。
我更新了你的题目。
您应该尝试的一种方法是将您的类别编码为二进制属性(例如，男性: 1，女性0)，然后进行常规回归。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/30314311
复制相关文章
相似问题
腾讯云开发者
