Machine learning 在以下场景中使用哪种分类器？

如果我正在建立一个天气预报器，预测明天是否会下雪，很容易直接回答“不”

显然，如果你在一年中的每一天评估这样一个分类器，它将是正确的，准确率为95%（考虑到我构建它并在很少下雪的地区进行测试）

当然，这是一个愚蠢的分类器，即使它的准确率为95%，因为预测冬季月份（1月和2月）是否会下雪显然比预测其他月份更重要

因此，如果我收集了很多关于前一天的特征来预测第二天是否会下雪，考虑到会有一个特征显示一年中的哪个月/周，我如何衡量这个特定特征并设计分类器来解决这个实际问题

当然，这是一个愚蠢的分类器，即使它的准确率为95%，因为预测冬季月份（1月和2月）是否会下雪显然比预测其他月份更重要

在您的案例中，准确度可能不是最好的衡量标准。考虑使用和

我如何衡量这一特定特征并设计分类器来解决这一实际问题

我认为你不应该以任何方式衡量任何特定的功能。您应该让您的算法这样做，并使用来确定模型的最佳参数，以避免过度拟合

如果你说JAN和FEB是最重要的月份，那就只考虑你的模型两个月吧。如果这是不可能的，考虑根据你的类的数量为它们赋予不同的权重。讨论这个问题-无论您选择何种语言，这个概念都应该是可以理解的