Machine learning 具有唯一标签的监督学习（分类）

我有一些数据集，都是分类数据，有唯一的标签。 大概是这样的：

X =

1,1,1,0,1,0,0,0,1,0

1,1,0,1,1,0,1,1,1,1

0,0,1,0,0,0,1,0,0,1

.

.

.

1,0,0,1,0,0,1,1,0,1

y = 

AA

AB

AC

.

.

.

ZZ

我相信这个问题应该用机器学习以外的方法来解决，但我的老板强迫我使用机器学习或深度学习算法

所以我的问题是：

解决这个问题最好的非机器学习算法是什么

解决这个问题最好的机器学习算法是什么

---

作为一个分类问题，它没有任何意义。您必须有许多具有相同标签的行，才能通过任何分类算法从数据中推断出某些内容。 我可以建议通过将标签转换为唯一的数字（使用字母表中的字母数或类似的东西），将这个问题转化为回归问题。然后，您可以使用任何回归算法来假设未标记数据的数量。最后，您可以将这些数字转换回文本标签。我不确定这是否有效，但你可以试试

AA -> 0
AB -> 1
...
AZ -> 25
BA -> 1 * 26 + 0 = 26
...
ZZ -> 26 * 25 + 25

---

在您的响应变量

y

中，每个值都是唯一的吗？您有多少行数据？如果总值为（26*26），则其无效。没有实际数据，我们什么也说不出来。谢谢。但通过这种方式，数据是有序的，这是我们不希望在分类数据中看到的。