机器学习：我应该选择分类还是推荐？答案

【问题标题】：Machine Learning: Should I choose classification or recommendation?机器学习：我应该选择分类还是推荐？
【发布时间】：2012-05-19 18:28:39
【问题描述】：

我不知道我应该如何解决这个问题：

我有一个数据集。用户可能是也可能不是受资助计划的一部分。我想使用机器学习来推断不属于该计划的用户容易受到某些条件的影响，例如1,2,3 和 4。方案中的人容易受到 1,2 和 4 的影响。因此可以推断，如果您是方案的一部分，则不会受到条件 3 的影响。

我还有第二个相关问题。在资助计划中，用户可以有两个计划（费用不同）。我想看看那些参加更便宜计划的人是否比参加更昂贵计划的人更容易受到更多条件的影响。

谁能帮我看看这是一个推荐问题还是一个分类问题，以及我应该查看哪些具体算法？

谢谢。

【问题讨论】：

【解决方案1】：

两者都没有。这是一个统计问题。您的数据集是完整的，并且您没有提到任何需要预测未来主题或方案的属性，因此训练分类器或推荐器似乎无法满足其通常的目标。

您可以使用一个人的条件作为特征，将他们的方案统计作为目标，使用 SVM 对他们进行分类，然后使用分类性能/准确度作为类可分离性的衡量标准。你也可以考虑集群。但是，t 检验会做同样的事情，并且是一种更广为接受的工具来证明此类声明的有效性。

【讨论】：

【解决方案2】：

您似乎正在尝试构建一个系统，将用户分类为已获得资助或未获得资助，如果未获得资助，则说明他们未获得资助的原因。

如果是这种情况，您需要一个可解释的机器学习分类器，即可以将分类器做出某个决定的原因传达给用户。您可能需要查看决策树和（在较小程度上）RandomForest 和 Gradient Boosted Trees。

【讨论】：