在這種情況下應該使用哪種機器學習模型？

Question

最近我正在研究我的課程項目，它是一個可以自動幫助填充基於用戶聲音的消費表單的android應用程序。因此，這裏是一個例句：

所以我想要做的是讓應用程序自動填寫表格，我的形式有幾個字段：時間（昨天），位置（麥克唐納），成本（10個美元），類型（食品）。在這裏，「類型」字段將包括食物，購物，運輸等。

我已經使用了單詞拆分庫將句子拆分成幾個部分並解析它，所以我已經可以提取時間，位置和成本從用戶的聲音領域。

我想要做的是用某種機器學習模型推導出「類型」字段。所以應該有一些記錄提前，用戶手動輸入來訓練模型。在訓練之後，當新記錄進入時，我首先提取時間，位置和成本字段，然後根據模型計算類型字段。

但我不知道如何表示位置字段，我應該使用字典包含許多着名的位置並使用索引來表示位置？如果是這樣，我應該使用哪種機器學習方法來模擬這個要求？

Answer 1

我會從Naive Bayes分類器開始。下面的鏈接應該瞭解它有用：

• http://en.wikipedia.org/wiki/Naive_Bayes_classifier
• http://cs229.stanford.edu/notes/cs229-notes2.pdf
• http://scikit-learn.org/stable/modules/naive_bayes.html

不知時間和成本是歧視/相比，位置爲你的任務信息。

一般來說，看下面的鏈接，文本數據的工作（即使你不知道蟒蛇應該是有用）：

• http://scikit-learn.org/dev/tutorial/text_analytics/working_with_text_data.html

Answer 2

它應該包括三個階段：

1. 特徵表示：

一種表示特徵的方法是Bag-of-Word表示法，它可以修復字典的順序並使用詞頻矢量來表示文檔。有關詳細信息，請參見https://en.wikipedia.org/wiki/Bag-of-words_model。

1. 數據和標籤收集：

基本上，在這個階段，你應該準備一些[功能] - [類型]對培訓的模式，這可能是乏味的或昂貴的。如果您已經發布了您的應用，並且收集了很多[句子] - [類型]對（可能由應用用戶選擇），則可以提取這些功能並構建一個訓練集。

1. 學習模型：

Cdeepakroy曾建議該模型的一個不錯的選擇：樸素貝葉斯，這對於這樣的分類任務非常有效的。在這個階段，你可以找到一個合適的包裹，插入你的訓練數據，並享受它返回的分類器。