python - 数据分类

Question

我们有一个包含 10000 条未分类数据记录的表，我想根据某些属性(如文本相似性或某些特征)对它们进行分类。

例如，假设单列包含姓名、电话号码和性别

现在我有一个索引，其中包含单个实体名称、电话号码和电子邮件。我想用适当类型的索引 id 标记列

表A(列表)

id      column_data     index_id
1       abc             
2       male            
3       +1298312123     
4       pqr             
5       +1283711231     
6       female         
7       +1231231112     
8       male            
9       xyz             

表B(索引表)

id      index_name
1       name
2       phone number
3       email

所以，我想用一个index_id来标记所有的姓名、电话号码和性别，以便于识别数据。

P.S 我已经使用数据作为演示，我们有数千个数据和数千个索引要分类？

最好的方法是什么？

Answer 1

您正在寻找的是机器学习分类器。

基本上在分类器中，您可以创建模型(有很多教程，我将从 here 开始)，然后用数据对其进行训练。你训练的数据应该是正确的分类，这样它就可以学习如何处理它以前没有遇到过的新形式的数据，并使“最好的猜测”成为可能。 (在机器学习术语中，这称为进行预测)

为了让您知道该用 google 搜索什么，寻找多类分类的示例，我最好的建议是从适用于 python 的 tensorflow 开始(上面的链接是指向 tensorflow 的教程)。

如果您不熟悉机器学习原理，我建议您从机器学习的基础知识开始，以便您首先了解自己在做什么。