當您不確定測試功能/屬性時，哪種機器學習算法最適合場景？

Question

例如：對於培訓，您使用用戶填寫了表格中所有字段（大約40個字段）的數據以及預期的輸出。

現在我們建立一個模型（可以是人工神經網絡或SVM或邏輯回歸等）。

最后，用戶現在在表單中輸入3個字段，並期望進行預測。

在這種情況下，我可以使用的最佳ML算法是什么？

Answer 1

我認為這將取決於您的問題的具體情況。 您要根據哪種輸入來預測什么？

例如，像Netflix這樣的公司使用推薦系統來預測用戶對電影的收視率，例如基於非常稀疏的特征向量（用戶對目錄中所有電影的一小部分的現有收視率）。

另一種選擇是將一些映射算法從稀疏特征空間開發到公共潛伏空間，然后在該空間上使用SVM或神經網絡進行分類。 我相信本文做了類似的事情。 您也可以查看類似這樣的論文作為分類器，該分類器將來自兩個不同域的數據（例如，您的訓練vs.測試集，其中兩個都包含相似的信息，但是一個包含完整的數據，而另一個包含完整的數據）轉換為一個分類器。共同的潛在分類空間。 實際上，關於域無關的分類有很多東西。

查找關鍵字（帶有一些鏈接可以幫助您入門）： 生成對抗網絡（GAN） ， 領域對抗訓練 ，領域獨立分類，遷移學習。