机器学习模型的正确方法

Question

我正在 AI 和 ML 方面迈出第一步。 我为自己选择了一个项目，我想用 ML 修复，但我不确定使用哪种方法。

商业案例：客户可以提出报价并设置他希望收到产品的日期。 他每次都能更改购买的产品数量。 我必须处理未购买的产品和利润损失的成本，以防我生产的比他想要的少。 我有大量来自过去交易的数据，包括原始订购产品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，这种更改最终的可能性有多大。

我对这个主题真的很陌生，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主要参与者，可以以不同的方式实现。但是其中一种方法适合我的问题吗？

非常感谢。

Answer 1

您可以采用基于分类的方法。因为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准确率/F1 分数中得出。值越高，预测成功率越高。通俗地说，这是对订单是否是最终的进行分类。

如果您尝试根据订单更改预测值，则必须采用回归方法。例如，如果您想预测下一次订单更改的成本是多少，那么您必须使用回归。

据我了解，您的用例与第一个场景匹配。