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。