分享

利用种子人群扩展lookalike人群,怎么实现呢

选择一个人群,需要扩展出更多的人,需求如图,什么思路比较好呢,如果有很好的思的话最好具体一,我愿意发三位数的红包,挺着急的,非常感谢。qq:1803887695
1.png

已有(4)人评论

跳转到指定楼层
hyj 发表于 2019-4-17 21:36:46
这个思路不难的。关键还是使用机器学习。
假如你已经有了一个标准,然后可以训练机器模型,找到类似的数据。
比如网上很多分类算法。
如下面:
当你确定一个规则后,数据会自动聚拢


数据画块:



更多:

机器学习常见算法分类汇总
http://www.aboutyun.com/forum.php?mod=viewthread&tid=10401




更多:
朴素贝叶斯分类和预测算法的原理及实现
http://www.aboutyun.com/forum.php?mod=viewthread&tid=18350

欢迎加入About云知识星球或则VIP,一起探讨
About云VIP:知识星球
http://www.aboutyun.com/forum.php?mod=viewthread&tid=26737




回复

使用道具 举报

希孟100 发表于 2019-4-18 09:16:53
本帖最后由 希孟100 于 2019-4-18 09:22 编辑
hyj 发表于 2019-4-17 21:36
这个思路不难的。关键还是使用机器学习。
假如你已经有了一个标准,然后可以训练机器模型,找到类似的数据 ...

首先会通过标签选择人群,有没有详细一点的思路呢
2.png
回复

使用道具 举报

jixianqiuxue 发表于 2019-4-19 07:47:26
希孟100 发表于 2019-4-18 09:16
首先会通过标签选择人群,有没有详细一点的思路呢

对于已知的分类,然后找出类似的,这应该属于监督学习

详细信息如下:
监督学习是指:利用一组已知类别的样本调整分类器的参数,使其达到所要求性能的过程,也称为监督训练或有教师学习。

监督学习是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练示例。在监督学习中,每个实例都是由一个输入对象(通常为矢量)和一个期望的输出值(也称为监督信号)组成。

监督学习算法是分析该训练数据,并产生一个推断的功能,其可以用于映射出新的实例。一个最佳的方案将允许该算法来正确地决定那些看不见的实例的类标签。这就要求学习算法是在一种“合理”的方式从一种从训练数据到看不见的情况下形成。

回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

推荐上一条 /2 下一条