我正在从事一个网络安全项目，在该项目中，我们必须根据现有特征（主要是类别变量（还包括几个序数变量））对漏洞进行优先级排序。
这里的目标是检测最有可能被利用的漏洞，从而对其进行优先级排序。因此，我们必须预测得分为0-10。我们预测的最高等级（在本例中为10）将是最重要的漏洞，需要立即关注。
我们拥有的只是分类变量（作为输入要素）。
再次在这里总结问题：
当前输入功能：所有类别变量（带有两个序数变量）
当前输出功能：不存在
预期输出：预测分数在0-10之间，其中10是最严重的漏洞
从未遇到过这种问题。绝对看起来回归不是答案。能否请您分享您的想法。
我可能会误会，但您似乎没有足够的信息来进行预测。
我的理解是，您具有类别信息，但没有其他关联。对于某些类别，您可能可以根据专家的意见对您的预测进行硬编码。例如，仅通过了解所谓的ping来预测ping扫描基本上是无害的。要获得更多动态信息，您将需要比列出的信息更多的信息。
如果您自己无法分配分数，则机器学习算法将无法做到这一点。它不知道要优化什么。
但是，您可以通过使用无监督算法根据分类值对数据进行聚类，然后查看聚类并确定哪些聚类似乎最重要的问题来获得成功。您可以找到有关类别k均值聚类here的讨论。