MachineLearning或DecisionTree作业匹配？

Question

我正在寻找一份匹配应用的工作，我想知道什么是匹配自己之间的元素以排序最佳结果的最佳方式？

在我看来，它是通过经历一个决策树，因为我们已经知道元素的结构和预期的结果。 但是，机器学习是否会成为替代解决方案还是毫无价值？

我可能会误会，但对我来说，ML是有效的排序数据，乍一看没有明显的共同点，对吗？

感谢您的建议！

Answer 1

决策树是ML的一部分。也许你的意思是比决策树更复杂的算法，比如xgboost或神经网络。

xgboost或神经网络是很好的，当你有太多的变量是有意义的手动创建一个决策树。

当您想要控制算法时（例如出于道德或管理原因），决策树会更好。

xgboost和无监督thec也很好地创建您的决策树中使用的边界。例如，你应该创建一个类别18-25或18-30等。

考虑到这样一个问题的复杂性，随着时间和地域的限制，使用高级算法似乎是一个好主意。

看一看那Kaggle竞争，这似乎接近您的问题，它可能给你一些很好的启示： https://www.kaggle.com/c/job-recommendation/data