機器學習-分類或聚類

Question

我是機器學習的新手，有一個我想解決的問題，看看是否有人對最好使用哪種算法有任何想法。 我不是在尋找代碼，而是一個過程。

問題：我將人們分為兩類：高風險和低風險。 （這是一個非常基本的起點，我將在學習如何進行更詳細的分類時進行擴展）

每個人都有11個我正在查看的變量，每個變量都有一個二進制值（0表示否，1表示是）。 這些變量就像已婚，gun_owner，home_owner等。因此我收集到每個人可以擁有這些變量的2 ^ 11或2048種不同組合。

我有一個包含此信息和結果的數據集（無論他們是否犯罪）。 我認為這些數據將用於訓練，然后該算法可以對高風險個體進行預測。

有人對最佳算法有任何想法嗎？ 由於變量太多，因此我很難確定可能的方法。

Answer 1

這是一個二進制分類問題，每個輸入都有一個長度為11的二進制字符串。有很多算法可以解決此問題。 最簡單的模型是朴素貝葉斯模型（ https://en.wikipedia.org/wiki/Naive_Bayes_classifier ）。 您還可以嘗試一些線性分類器，例如邏輯回歸或SVM。 它們都適用於線性可分離數據和二進制分類。

Answer 2

您似乎想根據一些功能對人員進行分類。 它看起來像一個簡單的二進制分類問題。 但是，不是很清楚您所擁有的數據是否帶有標簽。

所以第一個問題是，在您的數據集中，您知道哪個人是“高風險”，哪個人是“低風險”嗎？ 如果您掌握了這些信息，則可以將大量機器學習模型用於此分類任務。

但是，如果標簽不存在（“高風險”或“低風險”），則不能這樣做。 然后，您必須考慮一些無監督的學習方法（集群）。 希望這能回答您的問題。