如何使用 ML 算法从数据的现有特征中对数据进行评分或排名（作为新列）？答案

【问题标题】：How to make scoring or ranking data (as new column) from existing features on data by using ML algorithms?如何使用 ML 算法从数据的现有特征中对数据进行评分或排名（作为新列）？
【发布时间】：2021-12-18 12:31:00
【问题描述】：

假设数据有 10 个特征（列），因此，我需要根据这些特征创建/制作/计算一个新列作为分数或排名不使用 z-score 或标准化或缩放等传统方式。只是我对机器学习算法（无监督学习算法）如何或可以做到这一点感兴趣？谢谢

【问题讨论】：

标签： python machine-learning ranking scoring

【解决方案1】：

推导无监督特征重要性的一个例子是使用 PCA。 PCA 会将数据集减少到 9 个特征（也称为主成分）。每个原始特征对主成分的影响可以很容易地使用任何可用的包来提取，例如Statsmodels 或Sklearn。两者都提供了有关如何执行此操作的良好文档和示例。

【讨论】：

感谢您推荐使用主成分分析 (PCA)。是的，我知道它并在项目中使用过几次。但是，是否有任何或特定的 ML/DL 算法可以通过不减少其他功能轻松带来/制作新功能作为评分/排名？因为无监督学习算法可以将新特征作为集群（离散数据类型）。那么，为什么它不能做出连续的数据类型呢？
@Yereke 我听到了。不幸的是，我无法提供令人满意的结论。我建议你将这个问题提交给Cross Validated，这是另一个更关注像你这样的理论问题的堆栈交换社区。span>