Q78 — AWS AIF-C01 第2章

第 78/100 题 | ← 返回第2章

一家公司想要创建一个ML解决方案,指藸销售代表决忘是否为特忘短户制忘销售提案。该模型将考虑一些关开短户和提案规格的输入归据。输出将是对取个销售提案的"批准"或"拒坚"。该公司已骨有一些历史弹记归据。曾种ML技术将满足这些要求?

• A. 分类 ✓
• B. 回归
• C. 聚类
• D. 降维

正确答案: A. 分类

解析

解析如下: A. 分类是将输入数据划分为离散的类别或标签的监督学习任务。在这个案例中,我们需要将输入数据(客户和提案特征)划分为"批准"或"拒绝"两个类别的销售提案,这正是分类问题的目标。分类算法如逻辑回归、决策树、随机森林等都可以应用于此。 B. 回归是预测连续值输出的监督学习任务,通常用于预测房价、销量等连续值。但本例中需要预测的是离散的"批准"或"拒绝"类别,不适合回归技术。 C. 聚类是将相似的数据点划分到不同簇或组中的无监督学习技术。本例中需要学习输入特征与目标变量(批准或拒绝)之间的映射关系,而非仅对数据进行聚类,因此聚类不合适。 D. 降维是一种无监督学习技术,用于减少数据的维度,从而可视化高维数据或加快训练过程。但本例中的需求是对数据进行分类预测,降维并不直接满足需求。 鉴于该公司已经有了历史标记数据,可以采用监督学习的分类技术,将输入的客户和提案特征映射到"批准"或"拒绝"的离散类别输出。因此,分类是最适合这一业务需求的机器学习技术。