浏览一些关于协同过滤的教程，我发现它主要用于电影和图书推荐，数据集包含用户及其评价的项目。当然，每个项目的评级范围是相同的（例如1-10）。但是如果我有一个具有不同范围的数据集呢？这意味着一个完全不同的数据集，与人们如何评价项目无关，而是基于人们的医疗记录。我正在考虑将记录中的功能（如BMI，体重，身高等）用作项和用户作为该记录的人。基本上在过程结束时，我想基于已经具有预定输出的其他记录来确定是否患有疾病。我知道这通常可以很容易地在神经网络中完成。但我真的想知道协作过滤是否也有可能。或者不是吗？
答案 0 :(得分：3)
不推荐问题，这是经典分类，仅此而已。神经网络只是众多可能的方法之一，但再一次 - 它是不协同过滤，它正是分类的定义方式。在协同过滤中，您不知道正确的答案（标签/输出） - 您只是尝试找到一些常见的模式。在疾病检测/预测的情况下，您确切知道应该输出什么。
如果你有非常广泛的可能的，相关的疾病，以及非常少量的人（因此不可能为分析实际建立训练集），可以在这里使用推荐系统。那么寻找潜在健康问题的这种“推荐”将是有意义的。在标记的二进制输出数据的情况下，它仅仅是分类。尽管如此，你可能最终会得到一个模型：“如果你有可靠性，那么你可能会受到心脏病发作”等等。因此找到类似诊断之间的相关性。