机器学习如何使用Facebook用户的兴趣来作出决定

Question

我想弄清楚一种方式，我可以代表一个Facebook用户作为一个载体。我决定将用户的不同属性/参数堆叠成一个大的矢量（即年龄是一个大小为100的矢量，其中100是您可以拥有的最大年龄，如果您可以说50，则前50个值该矢量就像温度计一样）。我无法想出一种方法来将脸谱利益作为一种媒介来表达，他们是一组词汇，代表所有词汇的空间是巨大的，我无法像一袋文字那样寻找模型或相似的东西。有谁知道我应该怎么做？我仍然对此感到陌生，任何参考都将不胜感激。

在希望投票回答这个问题的情况下，让我知道它有什么问题，以便我可以改进措辞和上下文。

谢谢

Answer 1

“正确”的方法取决于你的学习算法是什么以及决策问题是什么。

尽管如此，将年龄表示为单个数字特征而不是100个指标特征通常会更好。这样，学习算法不需要学习这百种功能之间的关系（它已经被烘焙），而且问题的尺寸减少了99个，这会使一切变得更好。

为了模拟的利益，你可能要开始用语言模型的极高立体袋，然后用各种选项之一来减少维度：

• 一般的维数，降低技术一样PCA或更智能的非线性方法，包括Kernel PCA或各种非线性方法：请参阅wikipedia's overview of dimensionality reduction和specifically nonlinear techniques
• 将它传递给topic model并使用学习的主题权重作为您的要素;示例包括LSA,LDA，HDP等等更多