2

我试图找出一种方法可以将 Facebook 用户表示为向量。我决定将用户的不同属性/参数堆叠到一个大向量中（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，如果您说 50，则前 50 个值向量将是 1，就像温度计一样）。我只是想不出一种将 Facebook 兴趣表示为向量的方法，它们是单词的集合，代表所有单词的空间很大，我不能像一袋单词或相似的东西。有谁知道我应该如何进行？我对此仍然很陌生，任何参考将不胜感激。

如果希望对这个问题投反对票，请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

4

1 回答 1

2

“正确”的方法取决于您的学习算法是什么以及决策问题是什么。

但是，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，学习算法就不必学习这一百个特征之间的关系（它是内置的），并且问题的维度减少了 99 个，这将使一切变得更好。

为了对兴趣进行建模，您可能希望从一个极高维的词袋模型开始，然后使用各种选项之一来降低维度：

于 2012-04-20T18:23:59.423 回答