我有一个数据集，其中一些项目已被标记（分为 4 类 [A、B、C、D]）。但是，绝大多数数据集尚未标记。我的假设是，有一些特征会影响将哪个类别应用于每个项目。聚类甚至推荐系统是否能够建议每个项目的放置位置？在实际层面上，我会在模型中提供“标签”吗？或者我会将它分开直到最后，然后将这些标签覆盖在模型设法组合在一起的任何东西上？
上面的例子看起来像是一个集群用例。但是，我可以将问题转入推荐系统吗？如，您将项目 X 标记为 A，它具有特征 1,2,3...项目 Y 具有相似的特征，也许您也应该将其标记为 A？
聚类和推荐是类似的任务，但是在推荐中，您通常希望推荐几个项目，而聚类通常将每个样本分配给一个聚类。
无论如何，对于您的问题，聚类甚至分类器可能会有所帮助。如果标签是基于相似性度量分配的（并且您可以很好地猜测该度量可能是什么），则可以使用聚类算法来估算缺失的标签（聚类基于样本之间的相似性）。但是，如果根据不同的指标（并且您不确定）样本可以相似是合理的，那么分类器可能会有所帮助 - 只要您有足够的标记数据来训练分类器。哪种方法效果最好还取决于标记样本的数量和特征的数量。
无论您选择使用估算标签的哪种策略都会有噪音（某些样本会被错误标记）。考虑到这一点很重要，尤其是在您要进一步处理这些标签时。