我有一个决策树，它在列（年龄、性别、时间、日期、观看次数、点击次数）上进行了训练，该列分为两类 - 是或否 - 代表对商品 X 的购买决策。 使用这些值， 我试图预测 1000 个样本（客户）看起来像（'12'，'Male'，'9:30'，'Monday'，'10'，'3'）的概率， ('50','女','10:40','星期日','50','6') ........... 我想获得个人概率或分数，这将帮助我识别哪些客户最有可能购买商品 X。所以我希望能够对预测进行排序并仅向 5 个想要购买的客户展示特定商品X 项。 我怎样才能做到这一点？ 决策树能达到目的吗？ 还有其他方法吗？ 我是 ML 新手，所以请原谅我的任何词汇错误。
【问题讨论】：
标签： machine-learning scikit-learn decision-tree
使用带有小样本集的决策树，你肯定会遇到过拟合问题。特别是在决策的较低级别，在树中，您将拥有成倍减少的数据来训练您的决策边界。您的数据集应该有比类别数量更多的样本，并且每个类别都有足够的样本。
谈到决策边界，请确保您了解如何处理每个维度的数据类型。例如，“性别”是一个分类数据，其中“年龄”、“一天中的时间”等是实值输入（离散/连续）。因此，树的不同部分将需要不同的公式。否则，您的模型最终可能会将 9:30、9:31、9:32... 作为单独的类处理。
尝试其他一些算法，从简单的算法开始，例如 k 近邻 (KNN)。有一个验证集来测试每个算法。使用 Matlab（或类似软件），您可以在其中使用库来快速尝试不同的方法，看看哪一种效果最好。这里没有足够的信息来向您推荐一些非常具体的东西。另外，
我建议你也试试 KNN。 KNN 能够捕获数据中的亲和力。例如，产品 X 是由 20 岁左右的人在晚上在产品页面上点击 5 次后购买的。 KNN 将能够告诉您每个新客户与购买该商品的客户的距离。基于此，您可以选择前 5 个。非常容易实现，并且非常适合作为更复杂方法的基准。
（假设浏览量和点击量是指每个客户对产品 X 的点击量和浏览量）
【讨论】：
决策树是一个分类器，一般来说它不适合作为推荐系统的基础。但是，鉴于您只是预测购买一件商品的可能性，而不是几万件，因此使用分类器是有意义的。
您只需对所有客户进行评分并保留购买 X 概率最高的 5 位客户，是的。还有其他问题吗？
【讨论】：