我正在使用 Python 中的决策树方法研究分类算法。我会对这个主题有一些疑问，特别是关于我数据集中的目标（y）。
我有一个由 20000 个观察值和几个字段组成的日期集：
等等。
大多数这些字段是二进制的（是/否）。基于此，我想确定该客户是否值得信赖。如您所见，我没有关于信任的标签，但我有一些初始信息：例如金额。如果金额为 0 或 < 0，则客户没有钱，因此可以认为他/她不信任。然后，我可以考虑身份：如果他/她已婚，那么可以认为是值得信赖的，因为可能还有其他薪水需要考虑。等等。我的疑问在于拆分我的数据集，因为它询问 y 变量。在这种情况下会是什么？我没有明确的目标..
在无监督学习下使用聚类。这将根据类似的参数对客户进行分类。您可以定义需要形成的集群的数量，在您的情况下它是两个（可信赖的和不可信的）。如果有更多的特征，它将对算法更有帮助。
这可能会有所帮助。
https://towardsdatascience.com/an-introduction-to-clustering-algorithms-in-python-123438574097
当您没有任何目标，并且想将他们标记为值得信赖或不值得信赖时，因此您在这里使用您的心理，即当客户不赚钱或未结婚时，那么他/她就是一个坏客户。但是用这种心理手动标记数据集可能正确也可能不正确。因为您没有任何目标变量来验证您的标签。
因此，正如@Kappil C 所建议的那样，首先您需要使用一些聚类算法对数据进行分类，以了解您的人口是如何划分的。它可以是可信赖的与不可信赖的（2 类）。或者它可以是超级值得信赖的、值得信赖的、不值得信赖的（3 个或更多类）。
一旦标记了这些类，您就可以继续使用任何监督学习算法。
与这种方法相反，您可以继续使用简单的基于规则的技术，也可以使用基本统计数据，您将单独了解每个变量，并独立创建多个规则。但是同样，您需要有目标才能明智地找到混淆矩阵
例子：
50岁以上的人 -> 超级值得信赖的人
年龄 < 18 -> 不值得信赖的人
这些规则将有助于简化您的业务。