【问题标题】:What machine learning algorithm would be best suited for a scenario when you are not sure about the test features/attributes?当您不确定测试功能/属性时,哪种机器学习算法最适合场景?
【发布时间】:2017-09-27 23:53:27
【问题描述】:

例如:对于训练,您使用用户填写了表单中所有字段(大约 40 个字段)的数据以及预期输出。

我们现在建立一个模型(可以是人工神经网络或 SVM 或逻辑回归等)。

最后,用户现在在表单中输入 3 个字段并期望得到预测。

在这种情况下,我可以使用的最佳 ML 算法是什么?

【问题讨论】:

  • 我取的3个字段不总是一样的?一种可能性是Bayesian network。
  • 基于树的模型可以处理缺失值。所以,他们可能值得一试。
  • 我的朋友们也提出了同样的建议——使用基于树的模型。我会尝试一下,看看什么效果最好。谢谢@Stergios。我也会检查贝叶斯网络,但一个简单的算法就足够了。

标签: algorithm machine-learning neural-network


【解决方案1】:

我认为这将取决于您的问题的具体背景。你想根据什么样的输入来预测什么?

例如,Netflix 等公司使用recommender systems 来预测用户对电影的评分,例如,基于非常稀疏的特征向量(用户对目录中所有电影的一小部分的现有评分) .

另一种选择是开发一些映射算法,从您的稀疏特征空间到您执行分类的公共潜在空间,例如 SVM 或神经网络。我相信this paper 做了类似的事情。您还可以查看 this one 之类的论文,了解一个分​​类器,该分类器将来自两个不同领域的数据(例如,您的训练集与测试集,它们都包含相似的信息,但一个具有完整的数据,而另一个没有)成用于分类的共同潜在空间。实际上有很多关于领域独立分类的内容。

要查找的关键字(带有一些帮助您入门的链接):generative adversarial networks (GAN)、domain-adversarial training、领域独立分类、迁移学习。

【讨论】:

    猜你喜欢
    • 2013-02-06
    • 2018-09-22
    • 1970-01-01
    • 2017-03-19
    • 1970-01-01
    • 2017-10-29
    • 2015-07-17
    • 1970-01-01
    • 2021-06-09
    相关资源
    最近更新 更多