我是一名机器学习及其技术的初学者。

我需要关于构建模型的建议。这里是问题陈述 –

我有一个数据集，其中包含拥有某公司X的所有产品（4种产品）的客户 – 称之为Cust4集合。
我还有另一个数据集，其中包含仅拥有同一公司X的部分产品（3种产品）的客户 – 称之为Cust3集合。
我为这两个数据集收集了大量的’分类’和’数值’属性（没有文本数据）。
我想向拥有3种产品的客户销售更多产品（我想向他们销售第四种产品），因此我想知道Cust3中的客户与Cust4客户集合的相似度如何，以便我只向与Cust4集合中客户高度相似的客户销售产品。

是否有技术/什么技术适合告诉我Cust3集合中的某个测试客户例如与Cust4集合70%相似或80%相似等？

迄今为止的研究 –
我试图将这个问题框定为单类分类问题，并研究了单类分类，特别是单类SVM（在R中）。这确实构建了一个模型并对数据进行了分类，但目前不支持概率预测（R包e1071）。

了解其他可能适合这类问题的技术会很有帮助。感谢所有帮助。

回答：

当然，这是一个单类分类问题（或类似问题），因为你在寻找与cust4相似的客户，而且你不会得到一个概率，因为你没有第四种产品的先验概率。但你可以得到Cust3和Cust4之间特征的相似距离。

为此，我推荐你使用聚类算法：1.首先对你的cust4进行聚类（在一个或多个聚类上），你将得到一个或多个质心（聚类的中心）。

2.对于Cust3中的每个客户，你计算这个客户与每个质心的距离（你应该使用聚类中使用的相同变量）。如果距离超过某个阈值。那么这个客户对产品4有吸引力。

还有其他技术，比如k最近邻，但计算时间非常昂贵。

希望这对你有帮助。