一、背景简介
用户性别预测是我进入机器学习领域的HelloWorld级工程实践,也是第一个从业务需求分析、数据源调研、数据整理和特征工程到建模、模型评估、系统部署这一完整流程都由自己独立设计实现的工程。非常有幸能接触到这个难度不是很大,但是却很好将我带入机器学习的世界的工程。前后大约花了4个月的时间做了三个版本,这是其中第二个版本,这个版本耗时大约1.5个月。
二、整个预测流程
1.基本信息
算法:采用LR算法
环境:hadoop集群+python环境服务器
第三方库:liblinear(liblinear算法库) jieba(分词工具)
业务目标:活跃用户的性别预测准确率和覆盖率均要达到90%以上
2. 基于CRISP-DM的预测流程
3.性别预测第二版流程图
三、数据处理流程
此处由于时间比较急,后面补上。
目前预测效果贴个图,男性的精确率94.25%,女性的为82.67%&
机器学习实践1:基于logistic regression的性别预测
最新推荐文章于 2022-12-13 00:43:57 发布
本文介绍了一个机器学习项目,通过Logistic Regression预测用户性别。文章详细阐述了从数据源选取、特征工程、模型训练到评估的全过程,并分享了在数据质量和特征选择上的经验教训,强调了业务理解和数据质量的重要性。
摘要由CSDN通过智能技术生成