是否可以从数据集中获得两种不同类型的结果

Question

请放心，我是ML的新手。我确定有人会要求以主观方式结束此操作，但我找不到我的具体答案，也不知道还有什么要问的。

如果我有一家商店，则有商店的三个区域。我有传感器来检测人们何时进入或离开每个区域。这每15秒发生一次。因此，在我的数据库中，我每隔15秒就有一个房间的占用计数。

使用此数据，我想预测将来每个房间的占用率，而且，如果有人进门，则要预测他们将要去的最有可能的房间。

是否可以通过使用仅每15秒列出一次房间和每个房间的占用率的数据集来预测每个房间的未来占用率，以及走入人群的可能性？这是回归模型吗？

谢谢！

迈克

Answer 1

预测最有可能进入的房间。：

这属于分类问题。输出属于一组类别，在这种情况下，它是不同的房间。

预测每个房间的入住人数： 如@poorna所述，这是一个回归问题。

您可以通过两种方式解决此问题，

1. 多目标回归问题，其中每个房间的占用率作为一个目标，所有房间的过去占用率作为输入。

2. 以每个房间的过去占用率作为输入的每个房间的独立预测问题。

要学习机器学习的基础知识，您可以阅读此link

Answer 2

我可以看到这是一个预测（一种回归）问题。

这需要一组有用的功能，这些功能可用于预测每个房间的入住率，

1. 房间号
2. 时间段为小时
3. 时间段为星期几
4. 滞后

尝试拟合上述here之类的任何时间序列预测模型 以上述功能为特征，入住人数为目标变量。

根据每个房间的入住人数，您可以通过简单的概率找到最可能的房间。