【问题标题】：Which Regression methods are suitable for binary valued features and continuous output?哪些回归方法适用于二值特征和连续输出？
【发布时间】：2013-05-01 13:09:42
【问题描述】：
我想建立一个机器学习模型来回归给定二进制值特征（0,1）的连续输出。我的问题的维度是 200 左右。
哪种流动方法似乎适合这类问题？
具有不同内核的 SVR
回归随机森林
火星
使用回归树进行梯度提升
内核回归（Nadya-Watson 内核回归）
LSR 和 LARS
随机梯度提升
【问题讨论】：
标签：
machine-learning
static-analysis
regression
svm
random-forest
【解决方案1】：
您还可以查看伯努利混合模型的期望最大化。
它处理二进制输入集。你可以在书中找到理论：
克里斯托弗·M·毕晓普。 《模式识别与机器学习》。
【解决方案2】：
直观地说，任何需要计算梯度的东西都会在二进制值上遇到困难。从您的列表中，SVR 和 Forests 将是我寻找基准解决方案的第一个地方。