用Multilabel分类预测twitter用户的年龄和性别

fsm_83

你好,

我需要预测推特用户的推文的年龄和性别，

我刚收集了300多个已知用户的资料，包括他们的年龄和性别。

并将档案分为4组(20岁以上女性、20岁以下女性、20岁以上男性、20岁以下男性)。

我完成了处理文本(标记，删除停止词，干，替换标记)。

现在如何在Rapidminer中做到这一点?

Thomas_Ott

您看过这篇知识库文章了吗?http://community.www.turtlecreekpls.com/t5/Text-Analytics-in-RapidMiner/Sentiment-Analysis-as-a-supervised-learning-problem/ta-p/31827

fsm_83

谢谢Thomas_Ott

这个解决方案似乎是二元正或负，

但它不适合我的情况，因为我认为首先我必须训练模型来预测性别(男性，女性)，然后是年龄(20岁以上，20岁以下)，最后的预测应该结合两个标签，如(20岁以上男性，20岁以下男性，20岁以上女性或20岁以下女性)。

JEdward

我相信你在学习中已经学过，有些算法只能应用于二元标签，有些只能应用于回归(数字)，但你知道许多算法可以处理多个类别吗?例如，kNN算法可以毫不费力地预测标签中的所有4个类别。

探索…http://mod.www.turtlecreekpls.com/#app并使用它来帮助理解一小部分可用于您的解决方案的算法。

(因为这是RapidMiner，有很多不同的方法来解决你的问题，但首先让我们从这里开始，因为这是一个非常简单的方法来让你开始)。

挖掘快乐!

fsm_83

我认为首先我们需要预测第一个标签(性别:男性/女性)，然后我们可以预测年龄(20岁以上，20岁以下)。

我试着浏览你的链接，但我不知道过程步骤，

有人能帮帮我吗?

Thomas_Ott

作为@JEdward指出，有几种算法可以处理多标签。我的链接显示了这个过程是如何工作的。

对于您的示例，我将制作male_under20, male_over20, female_under20和female_over20的标签。这样，标签都在一个属性列中，您可以测试预测并度量分类的性能。假设模型是好的，那么测试(评分)数据集将给出这些标签的置信度。

您可以构建一个模型，该模型将首先通过交叉验证对性别进行分类，然后将该信息输送到另一个交叉验证。您必须使用Set Role操作符和Select Attribute操作符来删除信心属性并将标签角色更改为常规属性，但这似乎非常复杂。

fsm_83

谢谢@Thomas_Ott，

我很欣赏这一点，但我如何才能以最佳的准确性和性能为超过184000条推文或300000个令牌应用多标签?你有任何完整的例子来解释在Rapidminer处理MLC吗

---

@Thomas_Ott写道:

作为@JEdward指出，有几种算法可以处理多标签。我的链接显示了这个过程是如何工作的。

对于您的示例，我将制作male_under20, male_over20, female_under20和female_over20的标签。这样，标签都在一个属性列中，您可以测试预测并度量分类的性能。假设模型是好的，那么测试(评分)数据集将给出这些标签的置信度。

您可以构建一个模型，该模型将首先通过交叉验证对性别进行分类，然后将该信息输送到另一个交叉验证。您必须使用Set Role操作符和Select Attribute操作符来删除信心属性并将标签角色更改为常规属性，但这似乎非常复杂。

---

Thomas_Ott

是的，这里有一个使用3个类的进程。

< ?xml version="1.0" encoding="UTF-8"?> <过程version = " 7.4.000”>
> <上下文
<输入/ >
<输出/ >
<宏/ >
> < /上下文


<过程扩展= " true " >






< /操作符>




< /操作符>



< /操作符>


<列出关键= " specify_weights " / >
<过程扩展= " true " >




< /操作符>


<参数键=“字符”值 =" .:;#!(){}[]/"/>
< /操作符>











> < /过程
< /操作符>




< /操作符>



<列出关键= " set_additional_roles " / >
< /操作符>


<过程扩展= " true " >

<枚举关键= " hidden_layer_sizes " >


< /枚举>
<枚举关键= " hidden_dropout_ratios " / >
<列出关键= " expert_parameters " / >
<列出关键= " expert_parameters_ " / >
< /操作符>





在训练阶段，在当前训练数据集上建立模型。(默认90%的数据，10次)
> < /过程
<过程扩展= " true " >

<列出关键= " application_parameters " / >
< /操作符>












将在Training步骤中创建的模型应用于当前测试集(10%)。<br/>对性能进行评估并发送给操作员结果。
> < /过程
< /操作符>












> < /过程
< /操作符>
> < /过程