機器學習如何使用Facebook用戶的興趣來作出決定

Question

我想弄清楚一種方式，我可以代表一個Facebook用戶作爲一個載體。我決定將用戶的不同屬性/參數堆疊成一個大的矢量（即年齡是一個大小爲100的矢量，其中100是您可以擁有的最大年齡，如果您可以說50，則前50個值該矢量就像溫度計一樣）。我無法想出一種方法來將臉譜利益作爲一種媒介來表達，他們是一組詞彙，代表所有詞彙的空間是巨大的，我無法像一袋文字那樣尋找模型或相似的東西。有誰知道我應該怎麼做？我仍然對此感到陌生，任何參考都將不勝感激。

在希望投票回答這個問題的情況下，讓我知道它有什麼問題，以便我可以改進措辭和上下文。

謝謝

Answer 1

「正確」的方法取決於你的學習算法是什麼以及決策問題是什麼。

儘管如此，將年齡表示爲單個數字特徵而不是100個指標特徵通常會更好。這樣，學習算法不需要學習這百種功能之間的關係（它已經被烘焙），而且問題的尺寸減少了99個，這會使一切變得更好。

爲了模擬的利益，你可能要開始用語言模型的極高立體袋，然後用各種選項之一來減少維度：

• 一般的維數，降低技術一樣PCA或更智能的非線性方法，包括Kernel PCA或各種非線性方法：請參閱wikipedia's overview of dimensionality reduction和specifically nonlinear techniques
• 將它傳遞給topic model並使用學習的主題權重作爲您的要素;示例包括LSA,LDA，HDP等等更多