Machine learning 机器学习如何利用用户对Facebook的兴趣做出决策
我正试图找出一种方法，将Facebook用户表示为向量。我决定将用户的不同属性/参数叠加到一个大向量中（即年龄是一个大小为100的向量，其中100是您可以拥有的最大年龄，如果您是50岁，那么向量的前50个值将是1，就像温度计一样）。我只是想不出一种方法来表示Facebook的兴趣作为一个向量，他们是一个词的集合，代表所有词的空间是巨大的，我不能选择像一袋词或类似的模型。有人知道我该怎么做吗？我对这一点还是新手，任何参考都将不胜感激 如果有人想否决这个问题，请让我知道问题出在哪里，这样我就可以改进措辞和上下文 谢谢正确的方法取决于您的学习算法和决策问题 不过，通常最好将年龄表示为一个数字特征，而不是100个指标特征。这样一来，学习算法就不必学习这一百个特征之间的关系（它已经被嵌入），而且问题的维度减少了99个，这将使一切变得更好 要对兴趣进行建模，您可能需要从一个非常高维度的单词袋模型开始，然后使用各种选项之一来降低维度：Machine learning 机器学习如何利用用户对Facebook的兴趣做出决策,machine-learning,Machine Learning,我正试图找出一种方法，将Facebook用户表示为向量。我决定将用户的不同属性/参数叠加到一个大向量中（即年龄是一个大小为100的向量，其中100是您可以拥有的最大年龄，如果您是50岁，那么向量的前50个值将是1，就像温度计一样）。我只是想不出一种方法来表示Facebook的兴趣作为一个向量，他们是一个词的集合，代表所有词的空间是巨大的，我不能选择像一袋词或类似的模型。有人知道我该怎么做吗？我对这一点还是新手，任何参考都将不胜感激 如果有人想否决这个问题，请让我知道问题出在哪里，这样我就可以改进
- 一种通用的降维技术，类似于或更智能的非线性方法，包括或多种非线性方法：参见和
- 将其传递给a，并使用所学的主题权重作为您的特征；例子包括，等等