我能用逻辑回归算法根据历史数据预测给定任务的ETA吗？

Question

我能用逻辑回归算法根据历史数据预测给定任务的ETA吗？我有一些任务，根据几个因素，如任务类型、天气、季节、请求时间等，需要可变的时间。

今天，我们根据mysql存储中的任务类型捕获所有任务所需的时间。现在，我们想要添加一个特性，其中基于因素和任务类型，我们想要预测一个ETA为任务，并显示给客户。

我们计划使用星火和Logistic回归和支持向量机算法。对于这个领域，我们太新了，需要您在验证方法和其他指针方面提供指导。

Answer 1

您可以通过一个线性回归模型来实现这一点，因为您试图预测一个连续的结果(ETA)。

你只需训练一个回归模型，你就可以从你的输入特性(任务类型、天气、季节等)预测ETA。因此，这个模型学到的是，如果给定一组输入，任务需要多长时间才能完成，预测的结果就是您随后向客户展示的结果。

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

采用Logistic回归/支持向量机对离散结果(即类别/组)进行分类。

因此，另一种方法可能是将mysql数据库中的ETA分数划分为短/中/长时间来完成，然后使用这三个类别作为标签，而不是实际的数字值。然后，您可以使用逻辑回归来训练一个模型，根据您列出的输入特性将其分类为这三个类别。这是可行的，但你会失去一些分辨率，因为你的ETA数据压缩成只有3个组，但这是一个设计决定，你必须作出。