具有越来越多类的多类分类

Question

我有一个关于音乐收听历史的数据集：听到它的时间，收听的地方，外面的天气（还有很多其他功能即将推出）和track_id作为标签。

我正在尝试预测在任何给定环境（时间+位置+天气）下我想要的音轨

我想对这些数据运行多类分类，但我遇到了这些问题：

• 不断将我的track_ids映射到类[0..distinct_trackid_count]并返回
• 我有很多课程（成千上万）
• 课程数量不断增加，所以我总是要从头开始重新训练我的算法

我觉得多类分类不是我在这里需要的，我需要帮助来弄清楚如何解决这个问题

Answer 1

我可能会尝试一些事情（我不确定它们能否正常运作）：

1. 不要使用分类，使用回归：给定特征，回归将返回有理数。围绕它并选择具有该ID /号码的曲目来收听。这应该允许您使用任何在线学习算法，当新歌进来时，只需为您的算法提供其功能和目标。这样，您就不必为每首新歌进行全面的再培训;

2. 使用最近邻居方法：给定一组功能，从最接近它的歌曲中找到一组功能，然后选择该歌曲。也不需要完全再培训，但可能效率低下。

您可能还想查看关系关联规则。