机器学习实践1:基于logistic regression的性别预测

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%&

  • 3
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值