我是新来的机器学习和有我想解决，看看是否任何人有什么类型的算法将是最好的任何想法的一个问题。我不是在寻找的代码，而是一个过程。
问题：我的人归类为2类：高风险和低风险。 （这是一个非常基本的出发点和我学习如何分类更加详细，我将展开）
每个人都有11个变量我在看和每个变量都具有二进制值（0表示没有，1是）。变量就像已经结婚了，gun_owner，home_owner等，所以我推测每个人都可以有这些变量的2 ^ 11或2048个不同的组合。
我有这方面的资料数据集，然后将结果（无论他们是否犯了罪）。我想这个数据将被用于训练算法然后可以对高危人群的预测。
有没有人有什么是最好的算法什么想法？既然有这么多的变数，我有更多的麻烦试图找出什么可能工作的赌注。
这是一个二元分类问题，其中每个输入长度11的二进制串有针对此问题的许多算法。最简单的是朴素贝叶斯模型（https://en.wikipedia.org/wiki/Naive_Bayes_classifier）。您也可以尝试一些线性分类，如logistic回归或SVM。他们既为线性可分数据和二元分类工作。
好像你要基于一些功能进行分类的人。它看起来像一个简单的二元分类问题。然而，这是不是很清楚，如果你有数据标记与否。
所以，第一个问题是，在你的数据集，你知道哪些人是“高风险”和人是“低风险”？如果你有这些信息，你可以用一大堆机器学习模型的这个分类任务。
但是，如果标签不存在（“高风险”或“低风险”），你不能这样做。然后，你必须思考一些无监督的学习方法（集群）。希望这回答了你的问题。