收集机器学习培训数据

Question

我对机器学习很陌生，需要澄清一些事情。我试图预测某人喜欢基于Facebook喜欢的活动的可能性。我正在使用朴素贝叶斯分类器，但我不确定几件事情。 1.我的标签/输入是什么？ 2.我需要收集哪些信息来培训数据？我的猜测是创建一项调查，并对该人享受某项活动有所疑问（从1-10开始）

Answer 1

在监督分类中，所有分类器都需要使用已知标记数据进行训练，此数据称为训练数据。您的数据应该有一个功能向量，后跟一个名为 class 的特殊功能。在你的问题中，如果这个人喜欢这项活动。

训练分类器后，您应该使用其他数据集测试其行为，以免产生偏差。此数据集必须具有类作为列车数据。如果您使用相同的数据集进行训练和测试，那么您的分类器预测可能非常好但不公平。

我建议你看看K Fold Cross Validation等评估技巧。

您应该知道的另一件事是，常用的NaïveBayes分类器用于预测二进制数据，因此您的类应该是0或1，这意味着您进行调查的人喜欢或不喜欢该活动。它也是在Weka（Java）或SkLearn（Python）等软件包中实现的。

如果你真的对贝叶斯分类器感兴趣，我需要说实际上，用于二进制分类的NaïveBayes并不是最好的，因为Minsky in 1961发现决策边界是超平面。此外Brier Score非常糟糕，可以说这个分类器没有很好地校准。但是，毕竟它做出了很好的预测。

希望它有所帮助。

Answer 2

Naive Bayes可能相当困难。您需要收集（或计算）一个人是否喜欢活动X的样本，以及他们的Facebook喜欢的详细信息（以一致的方式组织）。

基本上，对于Naive Bayes，您的训练数据应与测试数据的数据类型相同。

如果您可以像历史一样访问每个人的Facebook，那么调查方法可能会有效。