在浏览了一些关于协同过滤的教程后，我发现它主要用于电影和书籍推荐，数据集中包含用户及其对物品的评分。显然，每个物品的评分范围是相同的（例如1-10）。但如果我的数据集有不同的范围呢？也就是说，这是一个完全不同的数据集，与人们如何评分物品无关，而是基于人们的医疗记录。我在考虑使用记录中的特征，如BMI、体重、身高等作为物品，而用户则是拥有该记录的人。基本上，在这个过程结束时，我希望根据其他已有预定输出的记录来确定一个人是否患病。我知道这通常/可以很容易地通过神经网络来完成。但我真的很想知道这是否也可以在协同过滤中实现。还是不行？

回答：

这不是一个推荐问题，这是经典的分类问题，仅此而已。神经网络只是数十种可能方法中的一种，但再次强调——这不是协同过滤，这是分类定义的方式。在协同过滤中，你不知道正确答案（标签/输出）——你只是试图在其他数据中找到一些共同的模式。在疾病检测/预测的情况下，你确切地知道输出应该是什么。

如果您有非常广泛的可能相关疾病，并且只有很少的人患有这些疾病（因此无法实际构建这些疾病的训练集），那么推荐系统在这里可能有用。这样一种“推荐”，寻找潜在的健康问题是有意义的。对于标记的二元输出数据，这只是一个分类问题。尽管如此，你可能会得到这样的模型：“如果你有肥胖症，那么你可能会心脏病发作”等。因此，寻找相似诊断之间的相关性。