Machine learning 对于这种情况，使用什么样的模式或方法；嵌套的；推荐信？

我有一个非常具体的推荐问题

假设我有3种类型的值/实体-项、属性和值。有N个项目，A属性和B值。每个项都有一些属性值对。例如：

第1项
2374-23783
8455-5783
744-2438

第2项
5435-23783
8455-54654
544-9778

现在，给定一个“匿名”项，比如，具有3-4个类似于上面的示例属性-值对的项#x，我想获得特定属性的建议。例如：

项目#x
5435-23783
544-9778
744-2438

8455-？？（获得推荐）

现在，直觉-第x项中8455属性的建议值可能是54654。您将看到属性5435和744在第#2项中的值与在第#x项中的值相同。因此，8455的值更有可能与第2项中8455的值相似

问题：

你认为什么样的模型最适合解决这个问题？我应该使用什么方法？协同过滤——但如何实现？显然，简单地将所有属性-值对转储到数据集中并获取建议并不能满足我的需要

您还可以添加任何特定于实现的详细信息吗？象夫桃金娘？机器学习/推荐库

---

任何机器学习方法都可以完成这项工作。例如，您可以使用贝叶斯网络，因为这些条件项属性值出现是很自然的

---

在不知道您的关注点的情况下添加特定于实现的细节是不现实的。你最关心什么？性能、准确性或可扩展性？

您似乎不需要任何机器学习，只需要检索。最简单的方法是创建一个特征向量，其中每个维度都是一个属性

向量位置和属性：

Position #0, property 2374
Position #1, property 8455
Position #2, property 744
Position #3, property 5435
Position #4, property 544

对于每个项目，填写向量值

Item #1 is represented as [23783,  5783, 2438,     ?,    ?]
Item #2 is represented as [    ?, 54654,    ?, 23783, 9778]
Item #x is represented as [    ?,     ?, 2438, 23783, 9778] 

---

项目#x与位置#1为54654的项目#2具有最常见的值。基本上，您可以找到与具有您感兴趣的位置值的项目的最佳交集。如果您想要几个属性的值，而这些值只能由几个项目建议，但您没有提到数据的性质，那么这会变得更有趣。

性能和可伸缩性将是我目前最关心的问题。谢谢你的提示…我将尝试查找贝叶斯网络以及如何将其应用于类似的事情。我对贝叶斯网络并不十分熟悉，刚刚进入机器学习的世界。所以请容忍我。大多数关于贝叶斯网络的论文都集中在这些方面——根据用户之间过去的交互以及用户喜欢的历史向用户推荐项目。我似乎不明白如何将它适合我的用例。想法？非常感谢！这更清楚。是的，我必须建议几个属性的值。假设它是一个包含“城市”项目的数据集，即项目可以是纽约市、新德里、伦敦等等。一个城市可以有许多属性/属性，如国家、大陆、州、人口等。您是否可以添加一些内容，考虑到我必须预测几个属性？如果你对数据有很好的理解，你可以尝试研究一种技术，比如基于案例的推理，在这种技术中，你可以在相似性度量中插入启发式。我想知道更多关于这方面的答案，尽管我已经接受了一个。专家意见越多越好。