商业案例： 预测现场油耗。
说燃料消耗C，取决于各种因素x1，x2，... xn。从数学上讲，C = F {x1，x2，... xn}。我没有任何等式来表达这一点。
我确实有历史数据集，从中可以得到C与x1，x2等的相关性.C，x1，x2，..都是定量的。对于像我这样具有有限统计知识的人来说，找出相关性对于n变量方程似乎很难。
所以，我正在考虑采用一些有监督的机器学习技术。我将训练一个带有历史数据的分类器，以预测下一次消费。
问题：我是否以正确的方式思考？ 问题：如果这是正确的，我的系统应该是一个不断发展的系统。因此，我将提供给系统的更真实的数据，这将改进我的模型，以便下次做出更好的预测。这是正确的理解吗？
如果上述陈述是真的，那么Mahout中的AdaptiveLogisticRegression算法对我有帮助吗？
请求专家提出建议！
提前致谢。
答案 0 :(得分：1)
好的，相关性不是预测模型。相关性简单地归因于基于协方差的数据集之间的某种关系。
为了开发预测模型，您需要执行的是回归。
最简单的回归形式是线性单变量，其中C = F（x1）。这可以在Excel中轻松完成。但是，您声明C是几个变量的函数。为此，您可以使用线性多元回归。有标准的包可以执行此操作（例如在Excel中），或者您可以使用Matlab等。
现在，我们假设C和X的组件（输入向量）之间存在“线性”关系。如果关系不是线性的，那么你需要更复杂的方法（非线性回归），这可能很好地采用机器学习方法。
最后，一些系列表现出自相关性。如果是这种情况，那么您可能会忽略C = F（x1，x2，x3 ... xn）关系，而是使用ARMA等时间序列技术直接对C函数本身进行建模。复杂的变种。
我希望这有帮助， Srikant Krishna