Uma empresa deseja agrupar clientes em classes indicando se eles deixarão de usar o serviço nos próximos seis meses. O conjunto de dados é rotulado com resultados de churn/não-churn. Que tipo de modelo de machine learning deve ser usado?

A classificação é o tipo de modelo correto porque o objetivo é prever uma categoria discreta (churn ou não-churn). Isso se encaixa perfeitamente em problemas de classificação binária. Regressão linear seria usada para prever um valor contínuo, como a receita que um cliente gerará. Agrupamento (Clustering) é uma técnica de aprendizado não supervisionado usada para encontrar padrões ou grupos em dados não rotulados, o que não é o caso aqui, já que os dados são rotulados. Aprendizado por reforço é usado para treinar agentes a tomar decisões em um ambiente, o que não se aplica a este cenário de previsão de churn.