machine-learning - 使用标签作为特征输入的分类
问题描述
假设我有 100 个不同的标签,形式为数字 1 到 100 以及以下数据。三元组的列表,其中三元组具有以下含义: (a,b,c) 表示标签 a 与 b 的相似度高于与 c 的相似度。如果给出三元组 (a,b,c),我可以直接得出结论 (a,c,b) 是“假的”。
现在我想预测一个未知的三元组,如果它是真的。例如 (x,y,z) 应归类为 1,如果 x 与 y 比与 z 更相似。否则它应该被归类为 0。什么是适合这个问题的分类器?
*(其中 a,b,c,x,y,z 是从 1 到 100 的整数 - 代表不同的标签)
解决方案
推荐阅读
- javascript - json 响应中的特殊字符在 IE 中未解析
- python - 解码python数据
- java - 以文本格式 (MuPDF) 显示书籍时如何更改字体?
- java - @Schedule Spring & HttpClientImpl$SelectorManager 创建 Classloader 泄漏
- .htaccess - htaccess 从 URL 中删除尾随 /login
- sql - SQL Server 中的角色继承
- ios - UIVisualEffect 的模糊效果不起作用
- python - 使用 python 多进程的 get() 函数偶尔出现超时问题
- r - 在 R 中实现岭回归
- c# - 需要一些帮助来构建 asp.net 核心 webapi 中的 [HttpPost] 部分