预测离散指标【分类】

使用场景

离散数据指的是可以被分成n类的数据，而且一般情况下不同类之间的距离是无法衡量的。比如城市，品种，性别，编号等等。当需要预测单个离散指标的时候，我们常用分类预测（Classification）的方法。

通用语法

|fit <algo_name> [options] <target_field> from <feature_field_1> <feature_field_2> [into model_name]... 

通用参数说明：

• <algo_name> 必填，用来指定训练模型采用的算法名称。
• [options]可选，为算法的内置参数，根据提供的算法变化。
• <target_field> 必填，且只能是一个字段，用来指定建模使用的目标字段，给定的target_field值必须存在于数据集中。target_field的数据必须为离散数据。
• <feature_field> 必填，可以是一个或者多个字段，用来指定建模使用的特征字段，给定的feature_field值必须存在于数据集中。
• [into model_name]可选，用来将fit训练出来的模型保存成model_name以便下次调用。
• 数据集必须不为空。

以下算法可以用来预测离散型指标：

• 逻辑回归 - Logistic Regression
• 决策树 - Decision Tree Classifier
• 随机森林 - Random Forest Classifier
• Gradient Boosting分类器 - GBDT Classifier
• XGBoost分类器 - XGBoost Classifier
• 伯努利朴素贝叶斯分类器 - BernoulliNB
• 高斯朴素贝叶斯分类器 - GaussianNB
• 多层感知机分类器 - MLPClassifier
• 随机梯度下降分类器 - SGDClassifier
• 支持向量机 - SVM
• 多项分布朴素贝叶斯模型 - MultinomialNB