[英]Which Regression methods are suitable for binary valued features and continuous output?
我想建立一個機器學習模型來回歸給定二進制值特征（0,1）的連續輸出。 我的問題的維度大約是200.哪種流動的方法似乎適合這種問題？
具有不同內核的SVR
回歸隨機森林
火星
使用回歸樹進行漸變增強
核回歸（Nadya-Watson Kernel回歸）
LSR和LARS
隨機梯度增強
直觀地說，任何需要計算梯度的東西都會在二進制值上掙扎。 從您的列表中，SVR和Forests將成為我尋找基准解決方案的第一個地方。
您還可以查看Bernoully混合模型的期望最大化。 它處理二進制輸入集。 你可以在書中找到理論：Christopher M. Bishop。 “模式識別與機器學習”。
Logistic回歸-ValueError：分類指標無法處理連續多次輸出和二進制目標的混合情況
[英]Logistic Regression - ValueError: classification metrics can't handle a mix of continuous-multi output and binary targets
機器學習中用於回歸（連續變量）的決策樹 output
[英]Decision tree used for regression (continuous variable) in machine learning output
如何使用scikit-learn預測具有分類和連續特征的二進制結果？
[英]how to predict binary outcome with categorical and continuous features using scikit-learn?
如何在k-Nearest-Neighbor算法中使用二進制和連續特征？
[英]How to use both binary and continuous features in the k-Nearest-Neighbor algorithm?
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.
