培训计划,以了解机器学习的高价值和低价值

时间:2017-09-13 17:13:15

标签: python-2.7 machine-learning

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?

1 个答案:

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。

http://scikit-learn.org/stable/modules/multiclass.html