我在一所大学工作，并且有一个项目可以根据申请者入学（转换）的可能性，使用他们对申请表问题的回答对他们进行评分。
申请包含姓名、出生日期、申请日期和时间、国家、性别、所选课程、英语水平、资金可用性和一些其他类似领域。还有各种自由文本字段，但我认为这些会使事情变得过于复杂。
我最初的想法是使用回归模型来做到这一点，使用 R。但我是一个完全的菜鸟——我 10 年前在 uni 学习回归......
我已经四处寻找，我想一旦我知道我走在正确的道路上，我就能弄清楚这个过程，但我不确定从哪里开始，也不想从错误的道路开始。我主要担心的是：
您的问题可能因过于宽泛而被关闭，但让我们试一试。你想要注册概率，这对我来说听起来像是一个逻辑回归。分类数据类型和连续数据类型都不应该出现问题。您可以对附加信息进行建模，为没有的应用程序简单地分配一个NA类别。您可以NA在模型中包含该类别。
我建议你阅读这本书Applied Predictive Modelling，我认为它有一个关于信用卡申请的部分，这与你正在做的很接近。你应该尝试从中学习。
让我们看看（前面的大招）
有监督学习和无监督学习两种方法。
对于监督学习，我们要么需要前几年的数据（最后的入学人数），要么需要计算一些应用程序的概率（足以使模型可以准确地预测新数据）。然后它变成了线性回归的问题（因为概率将是一个连续变量）。如果您决定某个截止（阈值）该概率（y = 0 下方和 y = 1 上方），那么它就成为逻辑回归的问题。一旦数据准备就绪，机器学习可以在半小时内完成。现在回答你的问题。
as.factor()在 R 中使用分类字段因子。您要解决的问题称为二元分类。有很多算法，并且有大量的教程。实际上，研究得非常好，可以使用现成的工具来尝试所有算法并为您的任务选择最好的。https://github.com/paypal/autosklearn-zeroconf是其中之一，它使 auto-sklearn 二进制分类器能够在任意表格数据（如您所拥有的）上运行。