如何根据监督场景的多个特征的相关性进行分类

Question

我有2个功能：'Contact_Last_Name'和'Account_Last_Name'，我想根据这些功能对数据进行分类： 逻辑是，如果2个特征相同，即Contact_Last_Name与Account_Last_Name相同 - 则结果为“成功”，否则为“拒绝”。 所以。例如：如果Contact_Last_Name是'Johnson'而Account_Last_Name是'Eigen' - 结果被归类为'拒绝'。如果两者都是平等的说 - '爱迪生' - 那么结果就是'成功'。 如何，我可以为这组数据分类算法？ [请注意，通常我们会丢弃高关联列，但在此处列之间的相关性似乎具有分类逻辑]

我曾尝试在R中使用决策树（C5.0）和朴素贝叶斯（naiveBayes），但这两种方法都无法正确对数据集进行分类。

Answer 1

首先，它不是机器学习的一个很好的用例，因为这可以通过字符串匹配完成，但如果你想给分类算法，那么创建一个值为'Contact_Last_Name'和'的表Account_Last_Name'和'Result'并将其提供给决策树并预测第三列。

请注意，您需要对数据进行分区以进行培训和测试。