使用什么 ML 算法来找到文件名和文件内容之间的模式？

Question

我正在从事一个 ML 项目，并陷入了解决该问题的方法：

我有一个表（.csv 文件），在“文件”列中包含所有我的 .txt 文件 的列表，这些文件称为 BAM_xxxx，其中 xxxx 是数字和字母的组合。表格的所有其他列都是函数，即 function1, function2, function3,...., function30.

如果该函数存在于 .txt 文件中，则该单元格中的表格中有 1，如果没有，则为 0。它看起来像这样：

指数	文件	功能1	功能2	...	功能30
1	BAM_123A.txt	1	1	...	0
2	BAM_CD0X.txt	0	1	...	1
...	...	...	...	...	...
1000	BAM_1A3B.txt	1	1	...	1

我想调查.txt文件的名称（即：xxxx）和文件中存在的函数之间是否存在关系。哪种 ML 算法最适合该任务？

我在考虑某种聚类（虽然还不知道聚类会是什么样子）比如随机森林，但我想首先我需要以某种方式从文件名创建特征。

感谢您的所有见解！

Answer 1

可能无法保证在文件名及其内容之间找到有意义的关系，因为这种关系可能很弱或不存在。如果 ML 算法没有提供令人满意的结果，您可能需要考虑替代方法或收集额外的数据来增强您的分析。

既然你想找到文件名特征和功能存在/不存在之间的关系，你可以使用以下ML算法：

监督学习：如果你有一个特定的功能，你想根据文件名特征来预测，你可以使用分类算法，如逻辑回归，随机森林或支持向量机（SVM）。

无监督学习： 如果您没有特定的预测函数，只想在数据中找到模式或分组，您可以使用像 K-Means、DBSCAN 或 Hierarchical Clustering 这样的聚类算法.

看看 python 模块scikit-learn.