Model 使用来自半连续目标的信息创建改进的二进制分类器？
我正在研究预测性维护的监督二元分类问题，该问题的措辞如下：“这台设备在未来N个月内发生故障的概率是多少？” 我有一个在单个时间点获取的连续和分类特征的数据集。然后在一段时间内跟踪该机器的状态，以查看是否有任何故障。因此，我的目标要么是一个数值（失败的时间以月为单位），要么是一个空值（它没有失败） 目前，我将其建模为一个纯二元分类-如果失败>N个月或没有失败，则为0；如果失败Model 使用来自半连续目标的信息创建改进的二进制分类器？,model,regression,classification,selection,Model,Regression,Classification,Selection,我正在研究预测性维护的监督二元分类问题，该问题的措辞如下：“这台设备在未来N个月内发生故障的概率是多少？” 我有一个在单个时间点获取的连续和分类特征的数据集。然后在一段时间内跟踪该机器的状态，以查看是否有任何故障。因此，我的目标要么是一个数值（失败的时间以月为单位），要么是一个空值（它没有失败） 目前，我将其建模为一个纯二元分类-如果失败>N个月或没有失败，则为0；如果失败
干杯 您可以通过实施例如加速故障时间（AFT）模型来使用生存回归。以下是几个例子：
- Python中的
- 在R