在一个机器学习项目中，我有一些有关公司客户的培训数据，包括20种输入功能和一个标签，该标签以是/否的形式表示客户对营销活动的反馈：
c1 => {f1_1,f2_1,...,f20_1} {Yes}
c2 => {f1_2,f2_2,...,f20_2} {No}
要求是预测广告系列每个客户的“接受概率” 。
因此，训练数据具有二进制分类标签，而要求是回归预测。
我能够提取出每个特征的相关量w.r.t.分类标签。
根据特征与分类标签的相关强度，对特征应用所谓的“ 重要性权重”，并在特征值上应用这些权重以产生类似每个客户的得分率，并将其用作回归标签？
c1_score = w1(f1_1) + w2(f2_1) + ... + w20(f20_1)
c2_score = w1(f1_2) + w2(f2_2) + ... + w20(f20_2)
如果没有，还有其他建议吗？
答案 0 :(得分：2)
要求是预测每个对象的“接受概率” 广告系列的客户。
因此，训练数据具有二进制分类标签，而 需求是回归预测。
当然可以不。
您的任务绝对是分类。
大多数分类器实际上并不产生“硬”标签0/1作为输出；它们默认产生的是概率，它们随后通过阈值运算转换为硬标签（例如，概率p > 0.5，声明1或其他声明{{1 }}。
现在，有时会发生业务问题，无论出于何种原因，都需要这些概率而不是硬标签（您的情况就是这样，Kaggle中的绝大多数分类竞赛都是这样）；这当然不会改变方法中的任何内容（这仍然是分类问题），除了消除了对最终阈值操作的要求-无论如何这都不是 statistics < / em>问题的一部分，因为this Cross Validated thread的答案正确指出：
练习的统计部分在输出 您的新样本的每个类别的概率。选择阈值 超出此范围，您将新观察值分类为1 vs. 0不属于 统计。它是决定组件的一部分。
因此，除了采用常用的分类算法（逻辑回归，随机森林等），而仅使用各自的方法来取回概率代替类标签（例如，{{3 }}在scikit-learn中进行逻辑回归的方法，对于其他平台/算法也是如此。
您可能还会发现以下我的回答（及其中的链接）很有用：