machine-learning - 我可以使用逻辑回归算法根据历史数据预测给定任务的预计到达时间吗？

Question

我可以使用逻辑回归算法根据历史数据预测给定任务的预计到达时间吗？我有一些任务需要不同的时间，具体取决于任务类型、天气、季节、请求时间等因素。

今天，我们根据 mysql 存储中的任务类型捕获所有任务所花费的时间。现在我们想要添加一个功能，根据因素和任务类型，我们想要预测任务的预计到达时间并将其显示给客户。

我们计划使用Spark并使用Logistic回归和SVM算法。我们对这个领域还很陌生，需要您在验证方法和其他指导方面提供指导。

Answer 1

您只需使用线性回归模型即可实现此目的，因为您正在尝试预测连续结果 (ETA)。

您只需训练一个回归模型，根据输入特征(任务类型、天气、季节等)预测预计到达时间。因此，该模型学习的是在给定一组特定输入的情况下完成任务需要多长时间，预测结果就是您将向客户展示的内容

看看这个:http://spark.apache.org/docs/latest/mllib-linear-methods.html#linear-least-squares-lasso-and-ridge-regression

逻辑回归/SVM 用于对离散结果进行分类(即类别/组)。

因此，另一种方法可能是将 mysql 数据库中的 ETA 分数分层为短/中/长完成时间，然后使用这 3 个类别作为标签而不是实际数值。然后，您可以使用逻辑回归来训练一个模型，该模型根据列出的输入特征分为这 3 个类别。这可行，但由于将 ETA 数据压缩为仅 3 组，您会损失一些分辨率，但这是您必须做出的设计决策。