如题，一个机器学习分类算法，假设之前的类别标签是1,2,3.如果我现在改成1,3,6.会影响分类器性能吗？求解释，谢谢！

有一个研究课题想用机器学习的经典算法解决：已知某一用户的历史购买数据和其购买的某一类商品的属性（如价格、外观等），通过这些数据，找出该用户对购买这类商品时的选择偏重（如在选择时优先考虑价格、其次是外观），并且可以赋予权值。用什么算法可以做到？决策树，层次分析法、关联分析，还是其它？

在我所接触过的特征学习的项目中（学校，工作），特征都是由人提取出来的。比如我们要预测天气，那么就直观的去想象什么因素可能与之后的天气有关，湿度，温度，是否有云，etc.。但是，这样的提取特征不仅仅需要很专业的知识，而且有些时候人的思维是有局限的，很难做到特征的准确性，高覆盖性。那么在工业中，是否有算法用来确定特征，而非“手工特征工程”。

如题，我看见一些文献上，会把多个模型形式的估计结果都放上来。并不会确定一种？这是为啥？？到底该不该确定一种形式呢？？

不论任何人，任何行业，任何事，当年或者是现在，你抓住了那个似乎是命中注定的机会，回首并不遥远的往昔，感觉如何？

好吧,我的问题就是标题里那样的,怎么用支持向量机来进行预测???!!!!只知道, 我要进行预测, 也知道支持向量机可以进行预测, 但是, 怎么做??我说的预测是可以通过java编程做出一个系统，可以读取给定的数据，并给出预测结果。数据是随时间变化的数值型数据，像是房价啊，股价啊什么的，想要的预测结果呢也是数值型的，比如未来1天或10天的数据。现在知道了有weka，有smileminer，这两个库可以实现机器学习中的各类算法，但是，怎么用？看smileminer的实例，SVM是用来分类的，那怎么做数值型的预测？还是说有别的什么工具可以用？好吧，我一点统计学的基础都没有。怎么开始？？