我可以使用逻辑回归算法根据历史数据预测给定任务的 ETA 吗？

Question

我能否使用逻辑回归算法根据历史数据预测给定任务的 ETA？我有一些任务需要不同的时间，这取决于任务类型、天气、季节、请求时间等几个因素。

今天我们根据 mysql 存储中的任务类型捕获所有任务所花费的时间。现在我们想要添加一个基于因素和任务类型的功能，我们想要预测任务的 ETA 并将其展示给客户。

我们计划使用 Spark 并使用 Logistic Regression 和 SVM 算法。我们对这个领域太陌生，需要您在验证方法和其他指针方面提供指导。

Answer 1

您只需使用线性回归模型即可实现这一目标，因为您尝试预测连续结果 (ETA)。

您只需训练一个回归模型，即可根据输入特征（任务类型、天气、季节等）预测 ETA。所以这个模型学习的是在给定一组输入的情况下完成任务需要多长时间，预测的结果就是你将向客户展示的结果

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

逻辑回归/SVM 用于对离散结果（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 分数分层为短/中/长完成时间，然后使用这 3 个类别作为标签而不是实际数值。然后，您可以使用逻辑回归来训练一个模型，该模型根据您列出的输入特征分类为这 3 个类别。这可行，但由于将 ETA 数据压缩为仅 3 组，您会失去一些分辨率，但这是您必须做出的设计决定。