我有一组数据，有3个可能的事件。有24个功能会影响三个事件中的哪一个发生。 我有所有24个功能和发生的事件的培训数据。
我想要做的是使用此数据预测接下来将发生三个事件中的哪一个，因为已知所有24个特征值。
你能否提出一些我应该用来解决这个问题的机器学习算法
答案 0 :(得分：0)
这听起来像是监督学习中的典型分类问题。但是，您没有向我们提供足够的信息来建议特定的算法。
我们需要有关数据“形状”的统计数据：相对聚类和范围，功能之间的相关性等。到目前为止，关键点是您只有很少的类（3）和比类更多的功能。你到目前为止考虑了什么？备份一点，你使用的无监督分类算法研究得好吗？
我个人的方法是使用朴素贝叶斯或多类SVM来解决这样的一般问题，并使用得到的分类参数作为特征减少的输入。我也可以尝试使用一个隐藏层（或者没有，只有一个FC连接）的CNN，然后检查权重以消除无关的功能。
考虑到大的维度，您也可以尝试用k-means聚类来命中它，看看分类是否已经在24-D空间中具有内聚性。试试k = 6;在大多数运行中，这将为您提供3个良好的聚类和3个微小的异常值。
这会让你走向解决方案吗？