我的目标是使用Azure机器学习根据年龄预测一个人将要从事的抵押类型。
请注意，我有220,000行数据。有几种不同的抵押类型，但“购买”，“抵押”和“让购买”占主导地位。
数据的典型横截面可能是：-
20岁，购买
30岁，购买
30岁，转按
40岁，转按
55岁，购买后可租
55岁，股票发行
我的Azure机器学习实验如下所示。
我的元数据编辑将MortgageType列更改为标签，将Age更改为Integer。我也尝试过将它们分类/非分类。
查看评估结果时，会得到以下结果。
这是否意味着我只能以60％的置信度真正预测“买入卖出”？
我这样做是否正确，还有其他方法可以实现我的目标吗？
最佳答案
AzureML所示的图称为混淆矩阵。就您而言，应解释为：
对于实际上是桥接抵押的每个抵押，模型预测有抵押购买抵押的可能性为64.7％，购买抵押的可能性为17.6％，而抵押的可能性为17.6％。
您的模型仅预测选择的抵押贷款是要出租，购买或抵押的贷款。这可能是因为您仅将年龄作为特征使用，无法为模型提供大量信息。考虑为模型添加其他功能，以提高其预测能力。
关于azure - 使用Azure机器学习预测所选抵押类型，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/45216312/