我有一个音乐收听历史记录的数据集：何时收听，在哪里收听，外面的天气如何（还有其他许多功能即将推出）和track_id作为标签。
我正在尝试预测在任何给定上下文（时间+位置+天气）下我喜欢的曲目
我想对此数据运行多类分类，但存在以下问题：
不断将我的track_ids映射到类[0..distinct_trackid_count）并返回
我有很多课（上万课）
类的数量在不断增长，所以我总是必须从头开始重新训练算法
我觉得这里不需要多类分类，并且在确定如何解决此问题方面需要帮助
最佳答案
如果您是我，我将尝试先尝试一些降维想法，然后再进行多类分类。使用简单的聚类或特征提取算法，您应该能够创建一些歌曲组（10-100组）。如果您将这些组视为课程，我认为您将能够很好地学习这些功能，从而能够在给定的环境中推荐您喜欢的歌曲。此后，更不用说问题了。
但是，如果您只追求一首“完美”的歌曲，那么与K最近的邻居可能是您最好的选择。