我正在开发一个工作匹配应用程序，我想知道在它们之间匹配元素以获得最佳结果的最佳方法是什么？
在我看来，这是通过决策树，因为我们已经知道元素的结构和预期结果。但是，机器学习会成为替代解决方案还是毫无价值？
我可能弄错了，但对我来说，ML 对于乍一看没有明显共同点的数据进行排序是有效的，对吧？
感谢您的建议！
决策树是 ML 的一部分。也许你的意思是比决策树更复杂的算法，比如xgboost或神经网络。
xgboost 或神经网络在变量太多而无法手动创建决策树时非常有用。
当您想要控制算法时(出于示例，出于道德或管理原因(，决策树会更好。
Xgboost 和无监督 thec 也非常适合创建决策树中使用的边界。例如，您应该创建一个类别 18-25 还是 18-30，等等。
考虑到这样一个问题的复杂性，在时间和地理限制下，使用高级算法对我来说似乎是一个好主意。
看看那个似乎接近你的问题的Kaggle比赛，它可能会给你一些很好的见解：https://www.kaggle.com/c/job-recommendation/data