分類係数または回帰アルゴリズムモデルからの相関係数またはフィーチャーのインポート

Question

機械学習のサンプルデータを作成して、分類および回帰モデルがどのように機能するかをチェックアウトしました。

サンプルデータには、Memory、CPU、Responsetimeの列を含む50行があります。式Memory*2 + CPU*0.7を使用してResponsetimeを生成しました。今

私はDecisionTree、ランダムフォレストのような異なるアルゴリズムを使用して、分類のためのモデルを生成するには、このデータを使用し、SVM、NaiveBayes、SGD、ロジスティック回帰が、私はカッパと相関係数を取り戻します（model.coef_）と、意思決定木、ランダムな森林の場合の特徴の重要度を示します。

MemoryとCPUについて返される係数値は、これらの応答時間の値を生成するために使用した公式の近くにはありません。このモデルでは、生成されたモデルが予測に使用できるかどうかを理解できません。

回帰については、線形回帰は私の公式と一致する正しい係数を与えました。

Answer 1

(Memory*2 + CPU*0.7)との値を学習する線形回帰は、あなたが期待する係数でモデル化することができました。これは、線形回帰モデルの形式が方程式の形式に一致するためです。したがって、係数を直接一致させることは理にかなっています。

分類アルゴリズムでは、方程式の形式が線形方程式と一致しないだけでなく、問題は実際に分類問題でもありません。明らかに回帰の問題である例を挙げました。