我正在寻找机器学习方法来找到给定特征向量的最可能的类标签（具有概率值）。我有一个n类训练集，大部分特征向量由布尔值组成。到目前为止，我正在考虑计算要素和归一化的真值的数量（例如，m =训练样本的数量，对于一个特征值为真，n =训练样本的数量.throw_val = m / n）它创建一个代表性的一个类的特征向量。一旦创建，相似性度量就像类表示向量和给定特征向量之间的余弦距离或eucledian距离。 任何人都可以建议这种方法是否值得实施？
答案 0 :(得分：0)
您尝试解决的问题称为分类，是监督学习的主要部分。一个很好的起点是一个名为scikit-learn的开源库及其文档（试试this）。
有很多分类模型可供选择，但是一旦你选择了一个特定的分类模型并进行训练，那么你只需使用predict_proba方法来获得给定特征向量或矩阵的概率。