我对机器学习算法完全陌生，我有一个关于数据集分类的快速问题。
目前有一个训练数据由两列 Message 和 Identifier 组成。
消息 - 从包含时间戳和一些文本的日志中提取的典型消息 标识符 - 应根据消息内容对类别进行分类。
通过从工具中提取特定类别并相应地标记它来准备训练数据。
现在测试数据只包含消息，我正在尝试相应地获取类别。
在这种情况下哪种方法最有帮助？是监督学习还是非监督学习？
我有一个训练有素的数据集，我正在尝试预测测试数据的类别。
提前致谢， 亚当
【问题讨论】：
标签： machine-learning classification cluster-analysis data-mining
如果您的标签是准确的，那么您可以使用 ANN、SVM 等进行分类。但是标签并不准确，您必须根据数据中的特征对数据进行聚类。 K-means 或最近邻可以作为聚类的起点。
【讨论】：
这是一个监督学习，一个分类问题。
但是，显然您的测试集没有标签列（待预测的值）。因此，您无法计算该测试集的错误度量（例如误报率、准确性等）。
但是，您可以将您拥有的已标记训练数据集拆分为较小的训练集和验证集。也许将其拆分为 70%/30%。然后从较小的 70% 训练数据集构建预测模型。然后在你的 30% 验证集上调整它。当准确度足够好时，将其应用于您的测试集以获取/预测缺失值。
使用哪种技术/算法是一个不同的问题。你没有提供足够的信息来回答这个问题。即使你这样做了，你仍然需要自己调整模型。
【讨论】：
您有要预测的标签和训练数据。
所以根据定义，这是一个有监督的问题。
尝试任何文本分类器，例如 NB、kNN、SVM、ANN、RF、...
很难预测哪种方法最适合您的数据。您将不得不尝试和评估几个。
【讨论】：