Ich habe einen Datensatz von ungefähr 100.000 Datensätzen zum Kaufverhalten von Kunden. Der Datensatz enthält

Alter (kontinuierlicher Wert von 2 bis 120), aber ich habe vor, mich auch in Altersgruppen einzuteilen.Geschlecht (entweder 0 oder 1)Adresse (kann nur aus sechs Typen bestehen oder ich kann auch Zahlen von 1 bis 6 darstellen)Preference-Shop (kann aus nur 7 Shops sein), das ist mein Klassenproblem.

Mein Problem ist es daher, die Kunden anhand ihres Alters, Geschlechts und Standorts für den Preference-Shop zu klassifizieren und vorherzusagen. Ich habe versucht, naive und Entscheidungsbäume zu verwenden, aber ihre Klassifizierungsgenauigkeit ist etwas niedriger.

Ich denke auch an logistische Regression, bin mir aber nicht sicher, welchen diskreten Wert Geschlecht und Adresse haben. Aber ich habe SVM auch mit ein paar kernigen Tricks angenommen, aber noch nicht ausprobiert.

Welchen Algorithmus für maschinelles Lernen schlagen Sie für eine bessere Genauigkeit mit diesen Funktionen vor?