Een bedrijf wil klanten groeperen in klassen die aangeven of ze binnen de komende zes maanden zullen churnen. De dataset is gelabeld met churn/non-churn uitkomsten. Welk type machine learning-model moet worden gebruikt?

De vraag beschrijft een scenario waarin klanten worden ingedeeld in twee discrete categorieën: churn of non-churn. Dit is een typisch voorbeeld van een classificatieprobleem, waarbij het doel is om een label (klasse) toe te kennen aan een input. Classificatiemodellen, zoals logistische regressie, support vector machines of beslissingsbomen, zijn hiervoor geschikt omdat ze discrete uitkomsten voorspellen. Lineaire regressie is onjuist omdat dit wordt gebruikt voor het voorspellen van continue waarden, niet voor discrete categorieën. Clustering is onjuist omdat dit een onbewaakte leermethode is die patronen in ongelabelde data zoekt en data in groepen verdeelt zonder vooraf gedefinieerde labels, terwijl de dataset hier al gelabeld is. Reinforcement learning is onjuist omdat dit wordt gebruikt voor het trainen van agenten om beslissingen te nemen in een omgeving om een beloning te maximaliseren, wat niet van toepassing is op dit voorspellingsprobleem.