Как предсказать использование градиентного спуска

Question

Основываясь на данных ниже, я пытаюсь использовать спуск счисления для прогнозирования того, что теги будут связаны с новым пользователем. Обратите внимание, что числа предназначены только для иллюстративных целей, на самом деле эти числа соответствуют словам.

username tags title group 

user1 1  Senior group1 
user2 2  Senior group2 
user3 3,4,5 Junior group2 
user4 2,8 Dev  group1 

Так что, если новый пользователь добавил: «USER5», и я знаю, название и группу этого пользователя можно использовать градиентный спуск в «г», чтобы предсказать, какие теги пользователь может потребовать?

Answer 1

Градиентный спуск - это метод изучения модели регрессии (например), а не способ предсказания. То есть, учитывая набор данных обучения, вы используете градиентный спуск вместе с функцией потерь, чтобы определить коэффициенты вашей модели регрессии.

В вашем конкретном случае мне не кажется, что модель регрессии будет наиболее подходящей. Я предполагаю, что числа для тегов являются идентификаторами и не имеют фактического значения в качестве чисел. То есть тот факт, что метки 1 и 2 и рядом друг с другом и 1 и 3 друг от друга, ничего не значит.

Вместо этого я бы рассмотрел классификационную модель, такую ​​как дерево решений. Если вы только начинаете с машинного обучения, я рекомендую вам взглянуть на Weka, который имеет множество различных алгоритмов машинного обучения и относительно простой в использовании пользовательский интерфейс. Вы можете использовать его, чтобы быстро изучить, как различные алгоритмы и модели работают на ваших данных.