Machine learning 收集机器学习训练数据

我对机器学习非常陌生，需要澄清一些事情。我试图根据某人对Facebook的喜好来预测他们喜欢某项活动的可能性。我使用的是朴素贝叶斯分类器，但有几件事我不确定。1.我的标签/输入是什么？2.我需要为培训数据收集哪些信息？我的猜测是创建一个调查，并对该人是否喜欢某项活动提出问题（1-10分）

对于天真的贝叶斯来说，这可能相当困难。你需要收集（或计算）一个人是否喜欢活动X的样本，以及他们喜欢Facebook的详细信息（以某种一致的方式组织）

基本上，对于朴素贝叶斯，训练数据应该与测试数据的数据类型相同

---

如果您可以访问每个人类似Facebook的历史记录，那么调查方法可能会起作用。

在监督分类中，所有分类器都需要使用已知的标记数据进行训练，这些数据称为训练数据。您的数据应该有一个特征向量，后跟一个称为类的特殊向量。在你的问题中，如果这个人是否喜欢这个活动

训练分类器后，应使用另一个数据集测试其行为，以免产生偏见。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，那么分类器预测可能非常好，但不公平

我建议您看看评估技术，比如K折叠交叉验证

另一件你应该知道的事情是，普通的朴素贝叶斯分类器用于预测二进制数据，所以你的类应该是0或1，这意味着你做调查的人喜欢或不喜欢这个活动。它也在Weka（Java）或SkLearn（Python）等包中实现

如果你真的对贝叶斯分类器感兴趣，我需要说，事实上，二元分类的朴素贝叶斯并不是最好的分类方法，因为它发现决策边界是超平面。另外，这个分类器非常糟糕，据说这个分类器没有很好地校准。但是，它毕竟做出了很好的预测

---

希望能有所帮助。

有没有其他分类器可以让这更容易？理想情况下，如果我确实可以访问此人的Facebook喜好，我仍然对如何设置培训输入阶段感到有点困惑。我将深入了解Bayes定理/Bayes规则，以充分了解如何从您的数据进行培训。做了一个伟大的工作概述这一点！充分理解作为朴素贝叶斯一部分的条件概率和贝叶斯规则，对于理解如何使用该方法进行训练和测试是非常重要的。这些特征是什么？我仍然对数据的结构有点困惑。如果你在寻找一个案例，正式称为个人，它应该是：2,2,7,10,0,1。这意味着：第一个问题的答案是2，第二个问题是2，依此类推。最后一个数字（粗体）对应于类别特征，即1，表示该人员对活动感到满意。请注意，您并不是只使用一个实例，而是有一个矩阵，每一行对应一个实例。