Un'azienda vuole raggruppare i clienti in classi che indichino se abbandoneranno il servizio entro i prossimi sei mesi. Il dataset è etichettato con esiti di abbandono/non abbandono. Che tipo di modello di machine learning dovrebbe essere utilizzato?

La classificazione è il tipo di modello di machine learning più appropriato perché l'obiettivo è prevedere una categoria discreta (abbandono o non abbandono). Il dataset è già etichettato con questi risultati, rendendolo un problema di apprendimento supervisionato. La regressione lineare è usata per prevedere valori continui, non categorie. Il clustering è una tecnica di apprendimento non supervisionato per scoprire strutture in dati non etichettati, non per prevedere etichette predefinite. L'apprendimento per rinforzo è un paradigma in cui un agente impara a prendere decisioni attraverso interazioni con un ambiente, non adatto per la previsione di categorie basata su dati storici.