Welche Regressionsverfahren sind für binärwertige Funktionen und kontinuierliche Ausgabe geeignet?

Question

Ich möchte ein maschinelles Lernmodell zu Regression auf kontinuierliche Ausgabe mit binär bewerteten Features (0,1). Die Dimension meines Problems liegt bei 200. Welche der fließenden Methoden scheint für diese Art von Problem geeignet?

• SVR mit unterschiedlichen Kerneln

• Regression Zufalls Wald

• MARS

• Gradient mit Regressionsbaum

• Kernel Regression (Nadya-Watson Kernel Regression) Steigerung

• LSR und LARS

• Stochastic Gradient

Answer 1

Intuitiv Steigerung gesprochen, etwas die Berechnung eines Gradienten erfordern, auf binäre Werte kämpfen wird. Von Ihrer Liste würde SVR und Forests der erste Ort sein, an dem ich nach einer Benchmark-Lösung suchen würde.

Answer 2

Sie können auch die Maximierung der Erwartung für Bernoully-Mischmodelle betrachten. Es handelt sich um binäre Eingangssätze. Sie können Theorie in Buch finden: Christopher M. Bishop. "Mustererkennung und maschinelles Lernen".