在研究数据挖掘方法时，我了解到有两个主要类别：

• 预测方法：

  • 分类
  • 回归

• 描述方法：

  • 聚类
  • 关联规则

由于我想根据位置、活动、电池电量（训练模型的输入）来预测用户可用性（输出），我认为很明显我会选择“预测方法”，但现在我似乎无法选择分类和回归。据我了解，分类可以解决我的问题，因为输出是“可用”或“不可用”。

分类能否为我提供用户可用或不可用的概率（或可能性）？

就像在输出中一样，它不仅仅是 0（不可用）或 1（可用），而是类似于：

• $80\%$可用的
• $20\%$无法使用

这个问题也可以用回归来解决吗？

我知道回归用于连续输出（不仅仅是 0 或 1 个输出），但输出不能是用户可用性的连续值（比如输出是$80$意味着用户是$80\%$可用，隐含用户是$20\%$不可用）。