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

  历史学专业是如何分析数据的呢? 
  全连接层的作用是什么? 
  Python 怎么二次封装一个系统函数? 
  如何准备数据分析师的面试? 
  哪里能找到数字版的PDF资料书呢(非扫描版,类似word转的那样,可以复制鼠标选中的内容)? 
  皮尔逊系数为什么要中心化?中心化之后有什么好处? 
  Python/Pandas如何处理百亿行,数十列的数据? 
  回归分析中的“回归”是什么意思? 
  如何理解矩阵对矩阵求导? 
  怎么形象理解embedding这个概念? 

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?





© 2025-05-24 - tinynew.org. All Rights Reserved.
© 2025-05-24 - tinynew.org. 保留所有权利