我正在开展一个涉及机器学习，特别是分类的项目。 任务是识别与输入最相似的特定类或类似的类组。
在我的数据库中大约有1,000个类，每个类有大约20个不同的属性。某些属性对于特定类是唯一的。它共约有800处房产，因此每个楼层约占所有房产的16％。
您认为，可以使用神经网络进行分类吗？在这种情况下，输入并不总是800属性！但只有20-30个随机属性。 （因此其余的输入/属性将无关紧要）
（到目前为止，我正在进行分类，其中每个对象代表n维向量（n-属性）并使用余弦相似度计算输入向量和其他向量之间的角度。（无关紧要的属性不涉及向量）它的工作原理很好，但我想知道是否可以使用神经网络）
你认为它有什么解决方案吗？ （..对不起我的英文）
感谢
编辑：
我是神经网络的新手，所以我不知道什么样的神经网络使用。 但我认为使用backgpropagation的经典神经网络学习。 具体来说，我基于原则http://www.20q.net/开展游戏，但仅限于动物。
原则如下......玩家的东西秘密混凝土动物。游戏会随机询问玩家大约20-30（不完全是 会有一些策略选择问题）“思考动物”的问题/特征。玩家将会回答 这为神经网络提供了20到30个输入，它必须决定它是什么类，例如“鸟，狗”等。 对于每个类，我有一些初始训练数据，其中包含特定属性属于该类的概率。