对于一些ML案例，重要的是不仅要给出可靠的预测，还要解释这个预测。
如果我们谈论药物治疗效率预测，医生们很想选择一些反应良好或不良的患者群体。
例如：如果患者出现以下情况，患者会对治疗A产生负面反应：1）高重量且黑头发; 2）老年人和既往接受过治疗B治疗; 3）低剂量和以前用治疗C治疗
看起来像分类内的聚类。
解决此任务的常用方法是什么？
答案 0 :(得分：-1)
我会说它看起来像“对分类数据进行聚类”（1）或“对聚类数据进行分类”（2）。
其中： （1）将是：“分别负面/反应的主要原因是什么？” 即对您的数据进行分类，然后在每个类上运行群集。 然后，例如，你的结果将像“很多阴性患者聚集在一起，因为他们有黑头发”。
和（2）将是：“给定患者病情（高加权，老年等......）治疗结果（pos / neg）将是什么？ 即按条件聚类数据，然后对每个数据进行分类。 结果就像“黑发人有40％的负面反应”
这取决于对你来说重要的东西，你可以看到它有点像条件概率