python - 回归与分类对于两者都可以解决的问题

Question

我有一个问题，我一直将其视为分类问题。我试图根据许多输入特征来预测机器是否会通过或失败特定测试。

我真正感兴趣的是实际上预测新机器是否会通过测试。如果某些特征(例如速度、振动等)超出范围，它可能会通过或失败测试。

因此，我可以:

1)将其视为纯回归问题；尝试预测速度、振动等的实际值

2)将其视为纯粹的分类问题；对于每个观察结果，在标签上输入它是否通过或失败，并尝试在我正在制作的工具中预测这一点

3)将其视为伪问题；我预测实际值，并根据与通过/失败阈值的距离来衡量我对通过或失败的信心程度

要明确的是；我正在解决一个真正的问题。我对获得某个值的超精确预测不感兴趣，只想知道机器是否被预测通过或失败(以及奖金扩展；它是真实的可能性有多大)。

我一直在使用分类模型，因为我只有几百个观察结果，并且之前的一些研究表明这可能是解决该问题的最佳方法。然而我现在想知道这是否是正确的做法。

你会做什么!？

非常感谢。

Answer 1

如果没有数据并运行分类或回归，比较将很难因为您为每个系列使用的指标不同。例如，将回归的 RMSE 与分类问题的 F1 分数(或准确性)进行比较，就像苹果与橘子的比较一样。

如果您可以训练一个良好的回归模型(低 RMSE)，那将是理想的选择，因为这将为您提供比原始通过/失败问题更多的信息。根据我过去与工业客户合作的经验，

首先，训练您提到的所有 3 个模型，然后然后向您的客户展示结果，让他们为您提供更多指导，了解哪些模型/输出对您更有意义他们。