关于我正在努力解决的问题，我需要知道两个样本是否相似。
当两个样本相似时，我想要一个1级，而当它们不相似时，我喜欢0级。
我不知道如何更好地解释它，所以这里是愚蠢的例子：
训练集：{A，B}，{C，D}，E 结果：AB：1，AC：0，AD：0，AE：0，BA：1，BC：0，BD：0，BE：0，...
我想到只是将两组功能连接到svm，但问题是所需的内存是O（n²）太大了：（
有没有办法用SVM解决这类问题？
P.S。我知道我可以使用标签，这不是我想要的。
答案 0 :(得分：0)
区分样本是分类，这是SVM所做的。如果您不想标记数据，则无法应用有监督的学习。根据您的具体问题，您可以选择无监督学习算法。
但是，请确保您了解“标签”的含义。当你说
结果：AB：1，AC：0，AD：0，AE：0，BA：1，BC：0，BD：0，BE：0，...
然后 给出您的数据（二进制）标签。如果您能够定义相似性并提供训练数据，则可以使用监督学习。
另外，请记住，Ω（n²）的空间复杂度不是大多数机器学习技术所能胜过的，因为大量方法使用矩阵来表示数据和/或学习。经验相当表明它并非不切实际。