Python 如何在没有任何输出数据的情况下预测连续变量？我所拥有的只是输入数据

我正在从事一个网络安全项目，在该项目中，我们必须根据主要是分类变量（也包括两个顺序变量）的现有功能对漏洞进行优先排序

这里的目标是检测最有可能被利用的漏洞，从而确定其优先级。因此，我们必须预测0-10分。我们预测的最高等级（本例中为10级）将是需要立即关注的最关键的漏洞

我们所拥有的只是分类变量（作为输入特性）

再次在此总结问题：

当前输入功能：所有分类变量（带有两个顺序变量）

当前输出功能：不存在

预期输出：预测0-10范围内的分数，10是最严重的漏洞

---

从来没有遇到过这样的问题。看来回归肯定不是答案。你能分享一下你的想法吗？

我可能有点误解，但你似乎没有做出预测所需的信息

---

我的理解是，您有类别信息，但没有其他关联。对于某些类别，您可能能够根据专家意见硬编码您的预测。例如，预测ping扫描基本上是良性的，只要知道它叫什么。对于任何更具动态性的内容，您将需要比您列出的更多的信息。

如果您不能自己分配分数，机器学习算法将无法做到这一点。它不知道要优化什么

---

但是，您可以通过使用无监督算法根据分类值对数据进行聚类，然后查看聚类并确定哪些聚类似乎存在最重要的问题，从而获得成功。你可以找到一个关于分类k-均值聚类的讨论。

谢谢你的建议。然而，在对数据进行聚类之后，如果我们需要将数据点的某些等级或层次放在该聚类中，距离质心的距离是否是一个很好的度量标准，或者是否有其他更好的方法来确定优先级