问题描述
我有一些数据,数据集包含以下功能,例如设备ID (整数),电话(整数),名称(字符串) ,设备ID 等。但是所有数据都没有标签。我的任务是获得一个人使用多个ID或多个设备的概率。我不知道该怎么做,有人知道吗?
为清楚起见,这是一个示例。 数据集就像
name id phone device_id
Jason 123 12345 12341231 ......
James 1345 312312 312312312 ......
Jason 123 53523 23115124 ......
所以我们发现Jason有2个电话号码,
如何通过机器学习方法或深度学习方法获得概率?
解决方法
执行此操作的一种可能方法是计算用户的相似度。
据我所知,用户的设备相似性是您的最终目标。
对于初学者,将名称和ID字段组合在一起,以唯一地标识用户。 生成一个特征向量,将所有剩余特征向量作为数组。
然后,您可以与所有其他用户一起运行嵌套for循环。 这将为您提供最接近的匹配,您可以设置阈值,也可以选择kNN来做到这一点。