是否有可能从数据集中获得两种不同类型的结果

Is it possible to get two different types of results from dataset

请放轻松,我是 ML 新手。我确信有人会要求将此作为主观关闭,但我找不到我的具体答案,也不知道还能问什么。

如果我有一个店铺,拥有三个区域的店铺。我有传感器来检测人们何时进出每个区域。这每 15 秒发生一次。因此,在我的数据库中,我每 15 秒计算一次每个房间的入住率。

使用这些数据,我想预测未来每个房间的入住率,而且,如果有人进门,我还想预测他们最有可能去的房间。

是否有可能预测每个房间未来的入住率以及人们走进时使用的数据集的可能性,该数据集仅列出房间和每 15 秒每个房间的入住率?这是回归模型吗?

谢谢!

麦克

预测他们最有可能走进的房间。:

这属于分类问题。输出属于一组类别,在本例中是不同的房间。

预测每个房间的入住率: 正如@poorna 所提到的,这是一个回归问题。

你可以通过两种方式来看待这个问题,

  1. 以每个房间的入住率作为一个目标,所有房间过去的入住率作为输入的多目标回归问题。

  2. 每个房间的独立预测问题,以相应房间过去的入住率作为输入。

为了学习机器学习的基础知识,你可以通过这个link

我可以看出这是一个预测(一种回归)问题。

这需要一组有用的功能来预测每个房间的入住率,可以是

  1. 房间号
  2. 以小时为单位的时间段
  3. 时间段为星期几
  4. 落后

尝试拟合上述任何时间序列预测模型here 上面提到的作为特征和占用计数作为目标变量。

根据每个房间的入住人数,您可以应用简单概率找到最有可能的房间。