Producent dysponuje dużą, oznakowaną historią sprzedaży i chce prognozować, ile jednostek danej części należy wyprodukować w każdym kwartale. Które podejście uczenia maszynowego jest odpowiednie do przewidywania ciągłej wartości numerycznej?

Regresja liniowa jest odpowiednia, ponieważ zadaniem jest przewidywanie ciągłej wartości liczbowej (liczby jednostek do wyprodukowania). Regresja liniowa modeluje zależność między zmienną zależną (ilość produkcji) a jedną lub więcej zmiennymi niezależnymi (np. historyczne dane sprzedaży, kwartał) za pomocą równania liniowego. Regresja logistyczna jest używana do zadań klasyfikacji, gdzie przewiduje się prawdopodobieństwo przynależności do jednej z dyskretnych kategorii, a nie ciągłą wartość. Random Cut Forest (RCF) to algorytm wykrywania anomalii, służący do identyfikacji nietypowych punktów danych w zbiorze. Analiza głównych składowych (PCA) to technika redukcji wymiarowości, która przekształca dane na nowy zestaw zmiennych, zwanych składowymi głównymi, i nie służy do przewidywania wartości.