我通过读取KPI(关键绩效指标)的数据集来生成警报。我的算法正在查看历史数据,并且基于此我能够捕获数据是否突然出现峰值。但我正在产生误报。例如,KPI1在历史上处于.5但达到值12,这是一种尖峰。 同样的方式KPI2也从.5到12达到。但我知道KPI从.5到12不是很大,我不需要捕获它。同样,KPI2从0.5到12达到了很大的优势,我需要抓住它。 我想训练我的程序,以了解每个KPI的高价值,低价值或正常价值。 请问各位专家能告诉我哪种ML算法最适合这个以及python中我需要探索的任何包?
答案 0 :(得分:0)
这是分类问题。您可以使用经典逻辑回归算法将任何给定样本分类为高值,低值或正常值。
引自维基百科,
在统计学中,多项Logistic回归是一种分类 将逻辑回归推广到多类问题的方法, 即具有两种以上可能的离散结果。就是这样 用于预测不同概率的模型 分类分布因变量的可能结果, 给定一组自变量(可能是实值的, 二进制值,分类值等。)
要在python中执行多类分类,sklearn库可能很有用。