Machine learning 工作匹配的机器学习或决策树？

我正在开发一个工作匹配应用程序，我想知道什么是最好的方式来匹配元素之间的排序，以获得最佳结果

在我看来，这是通过遍历决策树，因为我们已经知道元素的结构和预期结果。 然而，机器学习是一种替代解决方案，还是毫无价值

我可能弄错了，但对我来说，ML对于排序乍一看并没有明显共同点的数据是有效的，对吗

---

谢谢你的建议

决策树是ML的一部分。也许你指的是比决策树更复杂的算法，比如xgboost或神经网络

当您有太多变量无法手动创建决策树时，xgboost或神经网络是很好的选择

当您想要控制算法时（例如，出于道德或管理原因），决策树会更好

xgboost和无监督thec也可以很好地创建决策树中使用的边界。例如，您是否应该创建类别18-25或18-30等

考虑到这类问题的复杂性，以及时间和地理限制，使用先进的算法对我来说似乎是个好主意

看看Kaggle竞赛，它似乎与你的问题很接近，它可能会给你一些很好的见解：

---

这似乎更适合于这种情况。