如何根据监督场景的多个特征的相关性进行分类

Posted 2023-03-13

【中文标题】如何根据监督场景的多个特征的相关性进行分类

【英文标题】：how to do Classification based on the correlation of multiple features for a Supervised scenario

【发布时间】：2018-01-04 01:47:57

【问题描述】：

我有 2 个特征：“Contact_Last_Name”和“Account_Last_Name”，我想根据这些特征对我的数据进行分类： 逻辑是，如果 2 个功能相同，即 Contact_Last_Name 与 Account_Last_Name 相同，则结果为“成功”，否则为“拒绝”。 所以。例如：如果 Contact_Last_Name 是 'Johnson' 而 Account_Last_Name 是 'Eigen' - 结果被归类为 'Denied'。如果两者相等，比如说“爱迪生”，那么结果就是“成功”。 如何，我可以为这组数据提供分类算法？ [请注意，通常我们会丢弃高相关性列，但在这里，列之间的相关性似乎具有分类的逻辑]

我曾尝试在 R 中使用决策树（C5.0）和朴素贝叶斯（naiveBayes），但两者都无法正确分类数据集。

【参考方案1】：

首先，它不是机器学习的好用例，因为这可以通过字符串匹配来完成，但如果你想给一个分类算法，然后创建一个表，其值为'Contact_Last_Name'和' Account_Last_Name' 和 'Result' 并将其用于决策树并预测第三列。

请注意，您为训练和测试划分数据。

【讨论】：

我已经有一个表并将其提供给决策树。 C5.0 无法对数据进行分类。

你能分享一下格式吗？我们怎么知道你的表格和内容是什么