浏览一些有关协同过滤的教程，我发现它主要用于电影和书籍推荐，以及包含用户及其评分项目的数据集。当然，每个项目的评分范围是相同的(例如 1-10)。但是如果我有一个具有不同范围的数据集怎么办？这意味着一个完全不同的数据集，与人们如何评价某个项目无关，而是基于人们的医疗记录。我正在考虑使用记录中的特征(例如 BMI、体重、高度等)作为项目，并将用户作为拥有该记录的人。基本上在该过程结束时，我想根据已经具有预定输出的其他记录来确定一个人是否患有疾病。我知道这通常/可以很容易地在神经网络中完成。但我真的想知道这在协作过滤中是否也可行。或者不是吗？
最佳答案
这不是推荐问题，这是经典分类，仅此而已。神经网络只是数十种可能的方法之一，但再次强调 - 它不是协同过滤，它正是分类的定义方式。在协作过滤中，您不知道正确的答案(标签/输出) - 您只需尝试在其他模式中找到一些常见模式。在疾病检测/预测的情况下，您确切地知道应该输出什么。
如果您有非常广泛的可能的相关疾病，并且患有这种疾病的人数非常少(因此不可能实际为这些疾病建立训练集)，那么可以在这里使用推荐系统。那么这种寻找潜在健康问题的“建议”就有意义了。在标记的二进制输出数据的情况下，它只是一个分类。尽管如此，您可能最终会得到这样的模型:“如果您肥胖，那么您可能会心脏病发作”等。因此，寻找类似诊断之间的相关性。
关于machine-learning - 协同过滤可以应用于疾病检测吗？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/18738505/