ML 模型的正确方法
Right Methode for ML Modell
我正在迈出 AI 和 ML 的第一步。
我自己选择了一个项目，我想用 ML 修复，但我不确定该使用哪种方法。
商业案例：客户可以提供报价并设置他希望收到产品的日期。
他每次都能改变他购买的产品数量。
我必须处理未购买产品的成本和利润损失，以防我的产量低于他的要求。
我有大量来自过去交易的数据，包括订购产品的原始数量和我发送给客户的数量。
我的目标是获得一个预测分析模型，该模型能够在客户更改订单中的产品数量后告诉我，这种更改的可能性有多大。
我对这个话题真的很陌生，并没有完全了解不同方法的所有信息。我知道分类和回归是大玩家，可以用不同的方式实现。但是这些方法中的一种适合我的问题吗？
非常感谢。
您可以采用基于分类的方法。由于您的目标是预测订单更改是否是最终的。发生这种变化的概率可以从模型的 accuracy/F1 分数中得出。值越高，预测成功率越高。用外行的话来说，这就是对订单是否为最终订单进行分类。
如果您尝试根据订单变化预测值，则必须采用回归方法。例如，如果你想预测下一次订单更改的成本是多少，那么你必须使用回归。
据我了解，您的用例符合第一个场景。
我正在迈出 AI 和 ML 的第一步。 我自己选择了一个项目，我想用 ML 修复，但我不确定该使用哪种方法。
商业案例：客户可以提供报价并设置他希望收到产品的日期。 他每次都能改变他购买的产品数量。 我必须处理未购买产品的成本和利润损失，以防我的产量低于他的要求。 我有大量来自过去交易的数据，包括订购产品的原始数量和我发送给客户的数量。 我的目标是获得一个预测分析模型，该模型能够在客户更改订单中的产品数量后告诉我，这种更改的可能性有多大。
我对这个话题真的很陌生，并没有完全了解不同方法的所有信息。我知道分类和回归是大玩家，可以用不同的方式实现。但是这些方法中的一种适合我的问题吗？
非常感谢。
您可以采用基于分类的方法。由于您的目标是预测订单更改是否是最终的。发生这种变化的概率可以从模型的 accuracy/F1 分数中得出。值越高，预测成功率越高。用外行的话来说，这就是对订单是否为最终订单进行分类。
如果您尝试根据订单变化预测值，则必须采用回归方法。例如，如果你想预测下一次订单更改的成本是多少，那么你必须使用回归。
据我了解，您的用例符合第一个场景。