Preciso de classificação ou regressão para prever a disponibilidade de um usuário, considerando alguns recursos?

Ao estudar os métodos de mineração de dados, entendi que existem duas categorias principais:

• Métodos preditivos:

  • Classificação
  • Regressão

• Métodos descritivos:

  • Agrupamento
  • Regras de associação

Como desejo prever a disponibilidade (saída) do usuário com base no local, atividade, nível da bateria (entrada para o modelo de treinamento), acho óbvio que eu escolheria "Métodos preditivos", mas agora não consigo escolher entre classificação e regressão. Pelo que entendi até agora, a classificação pode resolver meu problema, porque a saída está "disponível" ou "não disponível".

A classificação pode me fornecer a probabilidade (ou probabilidade) de o usuário estar disponível ou não?

Como na saída, não seria apenas 0 (não disponível) ou 1 (disponível), mas será algo como:

• $80\%$ disponível
• $20\%$ não disponível

Esse problema também pode ser resolvido usando regressão?

$80$$80\%$$20\%$

1. Sim. Por exemplo, a popular regressão softmax fornece distribuição de probabilidade para cada classe.
2. Sim. Softmax é uma regressão sobre um conjunto de classes discretas.

Podemos usar regressão para classificação, a estratégia mais comum é pegar a classe mais provável para a previsão.

Sim, você pode usar classificação ou regressão de acordo com seus requisitos de saída,

Se você deseja uma saída rotulada, como disponível ou não, a classificação deve ser usada.

Se você deseja a saída na forma de% de disponibilidade, a regressão deve ser usada.

Você pode usar a classificação ingênua de bayes e calcular probabilidades posteriores usando crenças anteriores ou a regressão logística pode ser usada com a função sigmóide.