我有一组大约 10K 的对象，每个对象都有大约 150 个不同的属性，其中大约四分之一是多值的和/或与其他属性相关的。
我有一组大约 120 个类别，我想将这些对象分类到其中，每个类别都被定义为一个“模板”对象。如果一个实例与模板完全匹配，则该对象显然属于该类别……但是，实际上只有大约 10% 的对象具有完全匹配的模板。因此，我希望能够根据对象与类别的相似性对对象进行评分，并将它们分类为最佳匹配。我还想识别非常相似的对象集群，表明可能是新的/改进的类别。
这似乎是 Weka、RapidMiner 或其他机器学习/聚类/分类系统的工作。但是，我很难找到该领域的良好介绍材料，因此无法说明在这种情况下使用这些工具需要付出多少努力。鉴于这可能是一个持续的需求，我想使用一些可以让我轻松更改分析方法、权重等的东西。
想法？
【问题讨论】：
标签： cluster-analysis classification
让我们谈谈..
如果您的职责是对这些对象进行分类，那么您将能够手动对它们发疯！
我正在剖析一个类似的数据集，但总是回到相同的数据集点...这些对象〜基本上〜相同。
将它们分开的模糊逻辑是圣杯..但圣杯是模糊的...:(
你能做什么？ ... 给您的老板一些模糊的公式？这将持续一段时间..
您可以花费一生的时间来寻找模式，但这可能会让您失败 - 为什么不尝试将视角转移到您的事情上可以量化吗？专注于产出..
【讨论】：
RapidMiner 带有集成的在线教程。只需启动 RapidMiner，然后转到“帮助”，然后转到“RapidMiner 教程”。 Yon 还可以从 Rapid-I 网页下载免费的 PDF RapidMiner 教程。 Rapid-I 网页上还有一个免费的 RapidMiner 介绍性小视频，如果您查看 Rapid-I 网页的服务部分，还有许多 RapidMiner 培训课程。
【讨论】：
你要开发的是基于案例的推理系统，一种知识工程引擎。
查看 myCBR 和 Protege。 Protege 是斯坦福大学的本体工程引擎，myCBR 是 Thomas R. Roth-Berghofer 开发的基于案例的推理系统。
MyCBR 插入 Protege，这将完全满足您的需求。
重要提示：
门徒：
我的CBR：
【讨论】：