-6
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?MachineLearning或DecisionTree作业匹配?
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!
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?MachineLearning或DecisionTree作业匹配?
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!
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
这似乎是更适合于[数据科学论坛(HTTP://数据科学.stackexchange.com /)。 – YCR