Machine learning 机器学习：我应该选择分类还是推荐？

我不知道该如何处理这个问题：

我有一个数据集。使用者可能是也可能不是资助计划的一部分。 我想用机器学习来推断不属于该方案的用户容易受到某些条件的影响，例如1、2、3和4。参与该计划的人易受1,2和4的影响。因此，可以推断，如果你是方案的一部分，你将不会受到条件3的影响

我还有第二个相关的问题。在资助计划中，用户可以有两个计划（费用不同）。我想看看那些较便宜的计划是否比那些较昂贵的计划更容易受到更多条件的影响

有谁能帮助我，这是一个建议还是一个分类问题，以及我应该看哪些具体的算法

---

谢谢。

都没有。这是一个统计问题。您的数据集是完整的，并且您没有提到任何预测未来主题或方案属性的需要，因此培训分类器或推荐者似乎无法达到通常的目标

---

您可以使用一个人的条件作为特征，使用他们的方案统计信息作为目标，使用SVM对其进行分类，然后使用分类性能/准确性作为类别可分性的度量。你也可以考虑聚类。然而，t检验也可以做同样的事情，并且是一种更为广泛接受的工具来证明这种说法的有效性。

看起来您正在尝试构建一个系统，将用户分类为有资金或无资金，如果没有资金，则说明他们没有资金的原因

如果是这种情况，那么您需要的是一个可解释的机器学习分类器，也就是说，分类器做出某个决策背后的推理可以传达给用户。您可能希望查看决策树以及（在较小程度上）随机森林和梯度增强树