Tad*_*Tad 4 classification machine-learning data-mining
关于购买顾客模式,我有大约100,000条记录的数据集.数据集包含
所以我的问题是根据客户的年龄,性别和偏好商店的位置对客户进行分类和预测.我试图使用天真和决策树,但它们的分类准确度有点低.
我也在考虑逻辑回归,但我不确定像性别和地址这样的离散值.但是,我还假设SVM有一些核心技巧但尚未尝试过.
那么你建议使用哪种机器学习算法以获得更好的准确性.
Ben*_*son 11
问题在于,您在连续尺度上表示名义变量,当您使用机器学习方法时,这会在类之间施加(虚假的)序数关系.例如,如果将地址编码为六个可能的整数之一,则地址1更接近地址2而不是地址3,4,5,6.当你尝试学习任何东西时,这会引起问题.
相反,将6值分类变量转换为六个二进制变量,每个分类值一个.您的原始功能将产生六个功能,其中只有一个将会打开.此外,将年龄保持为整数值,因为您通过将其分类来丢失信息.
至于方法,它不太可能产生很大的差异(至少在最初阶段).选择哪个更容易实现.但是,请确保在运行测试集之前在开发集上运行某种交叉验证参数选择,因为所有算法都具有可显着影响学习准确性的参数.