Machine learning 如何使用Weka分类选择一个特定类别？

我遇到了一种情况，我不知道是否可以使用Weka分类

有大量类别分类描述定价计划，如下所示：

@attribute 'plan' {'Free', 'Basic', 'Premium', 'Enterprise'}
@attribute 'atr01' {TRUE, FALSE}
@attribute 'atr02' {TRUE, FALSE}
@attribute 'atr03' {TRUE, FALSE}
@attribute 'atr04' {TRUE, FALSE}
@attribute 'atr05' {TRUE, FALSE}
...
@attribute 'atr60' {TRUE, FALSE}

'Free',FALSE,TRUE,TRUE,FALSE...[+many trues and falses]...TRUE
'Basic',TRUE,FALSE,FALSE,FALSE...[+many trues and falses]...TRUE
'Premium',FALSE,FALSE,FALSE,FALSE...[+many trues and falses]...FALSE
'Enterprise',FALSE,TRUE,FALSE,FALSE...[+many trues and falses]...FALSE

此属性列表可以在将来增长。。。我们预计有120个属性

我们需要的是提供一个表单，以便用户可以检查每个属性的

true

或

false

，我们的推荐系统将根据我们的培训集为用户选择最合适的计划

问题是，我们的培训集对于每个计划只包含一行，如下所示：

@attribute 'plan' {'Free', 'Basic', 'Premium', 'Enterprise'}
@attribute 'atr01' {TRUE, FALSE}
@attribute 'atr02' {TRUE, FALSE}
@attribute 'atr03' {TRUE, FALSE}
@attribute 'atr04' {TRUE, FALSE}
@attribute 'atr05' {TRUE, FALSE}
...
@attribute 'atr60' {TRUE, FALSE}

'Free',FALSE,TRUE,TRUE,FALSE...[+many trues and falses]...TRUE
'Basic',TRUE,FALSE,FALSE,FALSE...[+many trues and falses]...TRUE
'Premium',FALSE,FALSE,FALSE,FALSE...[+many trues and falses]...FALSE
'Enterprise',FALSE,TRUE,FALSE,FALSE...[+many trues and falses]...FALSE

此决定应尝试匹配尽可能多的用户选择的选项。我不能使用过滤器，因为过滤器可能导致零结果，我需要至少一个结果

我不知道这是否是一个机器学习的问题，如果Weka可以帮助我们

---

谢谢。

您没有机器学习问题，因为您没有为每门课培训不同的示例

你想要的可能是一个相似性度量，以便能够对4个计划的适合性进行评分。想到的最流行的相似性度量是欧几里得距离。属性表示欧几里德空间中的向量。给定用户向量，您可以计算到4个平面向量的距离，并显示“最近”平面

---

看

这正是我需要的！相似性度量。如果考虑任何枚举属性（非布尔），我可以使用欧几里德距离吗？它取决于枚举值。例如，如果属性为

WANT\u INSURANCE

，值为

NO

，

NOT\u responsed

，

YES

，则可以对向量中的值使用0、1和2。通过这种方式，

NO

距离

YES

有两步之遥，

NOT\u response

距离有一步之遥是有意义的。但是，如果您有属性

AIRLINE

的值，如

SWISS

、

TURKISHAIRLINES

和

LUFTHANSA

，那么您需要将这些值映射到单个布尔属性。在这种情况下，汉明距离比欧几里德距离更自然（更易于计算，也更易于客户端设计）。，事实上，对于二元向量，它等于欧几里德距离的平方，但它的定义更清晰。