一个预测问题需要多少个数据集？

Question

在处理预测问题时，是否需要考虑时间上的变化？

例如，当我们试图预测一套房子的价格时，我们只有当前的特点和当前的价格。分类问题是预测房价是否会超过一个阈值。回归问题是预测确切的价格。

是否需要在它们之间有一定时间间隔的数据集(例如X天或Y年)，或者我们可以使用在特定时间采集的数据集进行预测？在这种情况下，分类和回归有区别吗？

Answer 1

是否需要在它们之间有一定时间间隔的数据集(例如X天或Y年)，或者我们可以使用在特定时间采集的数据集进行预测？

如果您有一些数据显示价格(或目标)随时间变化的模式，那么当然，您必须考虑时间的变化。然后，这些数据将成为时间序列数据，必须与正常数据进行不同的处理。

在这种情况下，分类和回归有区别吗？

直接预测价格的问题是回归，因为价格是连续的.但您可以根据阈值将其转换为类。所以在这个例子中(据我所知)，回归和分类没有什么区别，因为你只是把数字(价格)放在不同的类中。

希望能帮上忙。

如果有什么不清楚的地方，请评论。