It’s All in the Mix: Wasserstein Classification and Regression with Mixed Features

摘要

本文针对混合特征数据（包含连续和离散变量）的分类与回归问题，提出了一种基于Wasserstein距离的新型机器学习方法。该方法通过构建数据分布的Wasserstein重心，有效整合了不同类型特征的信息。研究结果表明，该方法在预测准确性上优于传统基准模型，为运营管理中的数据分析与决策提供了更精确的工具。