百科问答小站 logo
百科问答小站 font logo



只有正样本和未标签数据的机器学习怎么做? 第1页

  

user avatar   huo-hua-de-41 网友的相关建议: 
      

这个问题超有趣,推荐系统里有类似的场景,即只有用户点击浏览购买的正样本,却没有显性负样本,这样该如何学习呢?

我们假设下面几种方案:

  1. 对于一个用户,用他所有没有过行为的数据作为负样本
  2. 对于一个用户,从他没有过行为的负样本中均匀采样出一些作为负样本
  3. 对于一个用户,从他没有过行为的负样本中均匀采样出一些作为负样本, 且保证正负样本比为1:1
  4. 对于一个用户,从他没有过行为的负样本中均匀采样出一些作为负样本,但采样时,偏重采样那些热门却没有点击的样本。

对于第一种方法,缺点太明显,在实际样本中,负样本数量远远超过正样本,正负样本比例太悬殊,效果最差。

而第三种方法好于第二种,因为第三种样本比例比较平衡。

最有趣的莫过于第四种方案了,在2011年举办的KDD cup的Yahoo!music推荐比赛中,大家发现选取热门却没有行为的样本进行负采样效果最好!

因为热门物品大概率曝光过,而用户没有点,说明用户不感兴趣;而冷门物品,用户压根就没见到过,根本谈不上是否感兴趣。

一个看似简单的办法,背后却是对用户及数据逻辑深刻的洞察,这才是机器学习最有魅力的地方。




  

相关话题

  你是如何开始能写 Python 爬虫? 
  NLP领域,你推荐哪些综述性的文章? 
  所谓大数据分析,究竟要学什么? 
  怎么自学python,大概要多久? 
  如何评价CVPR2019程序主席Derek Hoiem的论点:计算机视觉只是记忆,不是智能? 
  有哪些相关性不等于因果性的例子? 
  为什么 Dropbox 等大型服务使用 Python 作为主要语言,即使它的效率比其他编译型语言低几个数量级? 
  有哪些很好玩而且很有用的 R 包? 
  如何看待Kaggle最新比赛Zillow禁止中国居民参加第二轮? 
  新手如何入门pytorch? 

前一个讨论
物理学家通过计算得到的结果是否有意义?
下一个讨论
为什么没有围绕行星的卫星转动的星体?





© 2025-05-04 - tinynew.org. All Rights Reserved.
© 2025-05-04 - tinynew.org. 保留所有权利