我需要编写一个程序，能够根据对象的某些属性对其进行分类。通过使用已知属性的一系列已知对象进行训练，程序应该能够对新对象进行分类。

例如，我有一个对象A，其属性为：a=10和b=1。我还训练了程序，使其知道a的值在5..15之间，b的值在0..2之间时，该对象会被分类为label1。

随着程序的发展，我需要用已知数据进一步训练它，以便属性区间变得更加精确（从而提高分类准确性）。

我之前没有机器学习或相关领域的经验，我想知道我应该如何开始。我看过很多教程，但都是关于文本分类的，而且只涉及二元分类（即，积极或消极，是或否……只有两个选项）。我将从5-6个标签开始，并且它们的数量很快会增加。此外，对象的属性是整数。

任何建议都非常受欢迎！

回答：

机器学习是一个非常广泛的领域，因此第一步是明确你所寻找的，并熟悉你试图解决的子问题。

根据你的描述，你试图在监督学习方法中解决一个分类问题。

我将从这里稍作改述：

分类问题在于识别一个观察属于哪个类别。

监督学习是一种“教”机器的方法。基本上，通过示例来训练算法（即：这个特定对象属于类X）。训练后，机器应该能够将其获得的知识应用于新数据。

k-NN算法是解决这类问题的最简单算法之一。我建议你熟悉它。

你可以在scipy中找到k-NN的实现。这里有一个使用它的教程链接。

现在，回答你的具体问题：

只涉及二元分类（即，积极或消极，是或否……只有两个选项）

k-NN可以处理任何（有限的）类别数量，所以你没问题

此外，对象的属性是整数

K-NN通常使用连续空间——所以你需要将它们转换为浮点数。

将属性值映射到算法空间中的点并不是一个简单的问题（参见数据预处理，特别是关于归一化、特征提取和选择的文章）