寻求帮助来启动新的机器学习场景。在这种情况下，我需要将一个实体（例如人）与一组实体（例如其他人）配对，并给出一段时间内匹配模式的历史记录。

例如：假设我们有一些人喜欢其他人，这些人具有身高、体重、教育水平等综合特征……在计算概率时，这种“喜欢”的表示法是双向的。当一个新人到来时，我想隔离一组人（按概率排名）来推荐他们。

在这种情况下，输入将是具有所有特征的单个人，而输出将是具有匹配概率排名的人的列表。似乎有两组主要数据

• 知名人士
• 已知人喜欢或不喜欢的特征与他们喜欢或不喜欢的人的特征

我比较新，所以不确定要使用哪种类型的训练模型。例如，这是否可以通过线性回归模型、二元分类、boost-tree's、matchbox 等来最合理地完成？可能我需要一个组合。

我正在使用 Azure 机器学习工作室，它有很多选择，但我只是不确定在这种情况下从哪里开始。任何建议或指示将不胜感激