具有可变输入数量的决策图答案

【问题标题】：Decision map with variable number of inputs具有可变输入数量的决策图
【发布时间】：2020-03-23 23:43:21
【问题描述】：

我想生成一个推荐电影类型的模型。我有历史数据来训练模型，它有 20 多个特征，比如：年龄、性别、地址……

尽管如此，用于进行预测的信息包含可变数量的特征，因为许多特征是不完整的。例如：

是否可以生成使用可变数量属性的机器学习模型或决策图（如决策树）并生成剩余属性的可能输出或可能性列表？谢谢

【问题讨论】：

您的数据是否包含任何标签（例如：人物的电影类型、某些电影的评分等）？如果是这样，您可以使用回归模型、贝叶斯模型、k-mean 等监督学习技术。否则，您应该使用无监督学习（如集群、神经网络、异常检测）将数据拆分为集群。如果你不是专家，我的建议是使用监督学习，因为无监督学习更难应用和理解。您可以查看此示例：kaggle.com/sherinclaudia/movie-rating-prediction

【解决方案1】：

我的建议是使用技术来处理缺失值。

如果您知道数据集中可能出现的所有不同属性，只需用空值填充缺失值，决策树应该能够解决此问题。

我还建议看看这个answer。

【讨论】：

这是一个选项。但是对于空特征，我正在寻找一个选项，其中算法做出假设并根据这些假设给出结果。例如，如果性别为空，则算法会针对性别为女性的情况给出输出，而针对性别为男性的情况给出其他结果。谢谢