【原】机器学习几个基本的问题

浏览: 1364

从今年四月份到现在已经工作快9个月了,最开始是做推荐系统,然后做机器学习,现在是文本挖掘,每个部分研究的时间都不多,但还是遇到了很多问题,目前就把一定要总结的问题总结一下,以后有时间多看看,提醒自己看有没有解决。

  推荐系统:

  1.冷启动热启动区别和联系?各个阶段需要的算法?

  2.每个算法的数学推导、适用情况、优缺点、改进方法、数据类型?

  3.如何平衡热启动时的准确率和召回率,两者不可能同时高,怎么平衡?从算法本身还是业务层面?惊喜度怎么添加?

  4.如何评价推荐系统的好坏?指标是啥?

 

  机器学习:

  1.能解决哪几类问题?(分类聚类回归预测?)每一类型会有哪些算法?

  2.每个算法优缺点各是什么?各能解决什么问题?侧重点是什么?对数据的平衡性要求大吗?对初始值敏感吗?需要的数据类型是什么?(数值 or 类别?或者混合使用?)

  3.每个算法是如何推导的?如果要调优要从哪些步骤着手?目前的局限是什么?(背后的数学依据)各个算法之间的联系和区别是啥?各算法之间可以结合吗?瓶颈和局限是什么?

  4.python的scikit-learn包是不是都熟悉了,源码有没有看过?自己尝试把每个算法写一下,看看和scikit-learn包跑起来有没有区别?精确度是否会提高?

  5.每个算法的评价指标是什么?(精确度召回度f1-score还有别的吗?)可视化有哪些方法?(ROC曲线?目前只知道这个,还有其他的吗?)

 

  文本挖掘

  1.基本步骤是啥?(清洗数据(缺失值、噪音数据、平滑处理)--->中文分词(各种方法)--->特征提取(tfidf还有其他几种方法) --->特征选择(卡方互信息发IG法等等)--->用机器学习算法跑)有没有漏的?或者有没有哪些步骤还有补充的可以提高精度的?

  2.各个步骤之间各有哪种方法?每种方法区别和联系?数学推导是什么?有没有可以改进的地方?有没有新的方法可以自己造的?

  3.数据编码转码不容忽视,不要忘记“不可见字符”(windows--->linux系统时候容易出现的问题)

 

  这是工作到现在觉得必须要解决的问题,以后有新的发现再补充。关于这些问题的解决,不定期的在博客里发出来,不断修改,不断添加,总之,学习是个不断迭代的过程,fighting!:)

 

作者:Charlotte77 

出处:http://www.cnblogs.com/charlotte77/ 

本文以学习、研究和分享为主,如需转载,请联系本人,标明作者和出处,非商业用途! 

推荐 0
本文由 胡晓曼 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
转载、引用前需联系作者,并署名作者且注明文章出处。
本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

0 个评论

要回复文章请先登录注册