b*****k
发帖数: 483 | 1 我不是Data Science方向的出身，但是接手了一个新项目，就是训练一个模型来通过一
些用户体态信息来预测用户满意度。
目前的数据非常单一，主观而且noisy：
500个用户的数据，包括3D扫描的人体几何信息（身高，体重，胸围，腰围，肩宽。。
。）以及一些简单的问卷调查，比如是否喜欢运动，流汗是否多等等。
最后要求这些用户试穿10种不同的衣服，然后自己打一个分数0~100代表自己的满意度。
我以前用deep learning做过一些定义明确的人脸识别啊，图片分类啊这种项目，但是
感觉这次的Data实在是太noisy了，而且用户满意度还是非常主观的metric（比如我几
天喜欢紧身衣，明天我就改主意喜欢宽松一点的了），用一个简单deep learning做
classification,预测的效果非常非常差。。。
请问这种现实问题有什么主流的data science方法可以用吗？恳请各位老师指点迷津。 |
m*****n
发帖数: 3575 | 2 应该就喜欢某项衣服的做SVM。就像你说的，不同衣服适合不同人。 |
b*****k
发帖数: 483 | 3 多谢大侠回复。是不是相比neural network，SVM更防噪音数据？
在网上一顿搜，搜到一个CBC (Choice based Conjoint)的概念，还有和SVM合在一块儿
用的方法，我基础太弱，读了几遍没太读懂，请问您了解CBC+SVM这方面吗？
BTW,我对SVM做过一些小实验，就是2分类器这种，目前对于如何应用到这个问题里还是
有些模糊。。。
【在 m*****n 的大作中提到】
: 应该就喜欢某项衣服的做SVM。就像你说的，不同衣服适合不同人。
|
c*****m
发帖数: 1160 | 4
度。
简单地说，应该有十万以上的数据，才好意思用 deep learning 的方式来做；现在你
只有500个，当然很难； 比如你用400个去做training ，然后拿100个做testing ，可
是那400个根本就不能cover这100个 sample，所以得到的结果肯定很差。
【在 b*****k 的大作中提到】
: 我不是Data Science方向的出身，但是接手了一个新项目，就是训练一个模型来通过一
: 些用户体态信息来预测用户满意度。
: 目前的数据非常单一，主观而且noisy：
: 500个用户的数据，包括3D扫描的人体几何信息（身高，体重，胸围，腰围，肩宽。。
: 。）以及一些简单的问卷调查，比如是否喜欢运动，流汗是否多等等。
: 最后要求这些用户试穿10种不同的衣服，然后自己打一个分数0~100代表自己的满意度。
: 我以前用deep learning做过一些定义明确的人脸识别啊，图片分类啊这种项目，但是
: 感觉这次的Data实在是太noisy了，而且用户满意度还是非常主观的metric（比如我几
: 天喜欢紧身衣，明天我就改主意喜欢宽松一点的了），用一个简单deep learning做
: classification,预测的效果非常非常差。。。
|
