我有一个数据集，其中包含客户的访问历史记录。
数据集中包含三列，包括客户 ID、AM/PM(上午或下午访问)和工作日/周末(工作日或周末访问)。
我想从此数据集中学习并选择在指定输入(例如上午/工作日)中最有可能访问的前 50 位客户。
目前，我使用一类 SVM 为每个客户创建模型(我只有正面(访问)数据)。由于一类 SVM 仅具有二进制输出，因此我只能在指定输入中判断某个客户是否会访问，而不是选择前 50 个客户。
我想知道是否有一种算法可以从纯正数据集中学习并给出类似输出的分数或概率？
最佳答案
这是机器学习中的一个子类别问题。阅读这份调查你可以学到很多东西:“一级分类:研究分类法和评论 技术”(http://arxiv.org/pdf/1312.0049.pdf)。希望有帮助。
关于python - 学习根据历史预测 future 客户的行为，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/36909310/