类别数量不断增加的多类别分类

Question

我有一个音乐收听历史数据集：何时收听、在何处收听、外面的天气如何（以及更多其他功能即将推出）以及作为标签的 track_id。

我正在尝试在任何给定上下文（时间 + 位置 + 天气）下预测我会喜欢的赛道

我想对此数据进行多类分类，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
• 我有大量的课程（数万个）
• 类的数量不断增加，所以我总是要从头开始重新训练我的算法

我觉得这里不需要多类分类，我需要帮助来弄清楚如何解决这个问题

Answer 1

如果我是你，我会先尝试一些降维的想法，然后再进行多类分类。使用简单的聚类或特征提取算法，您应该能够创建一些歌曲组（10-100 组）。如果您将这些组视为课程，我认为您将能够很好地学习这些功能，以便能够在给定的环境中推荐您喜欢的歌曲。更何况在那之后问题变得非常容易处理。

但是，如果您只追求一首“完美”的歌曲，那么 K 近邻可能是您的最佳选择。

Answer 2

我可能会尝试一些事情（我不确定它们是否会正常工作）：

1. 不要使用分类，使用回归：给定特征，回归将返回一个有理数。将其四舍五入并选择具有该 ID / 编号的曲目以收听。这应该允许您使用任何在线学习算法，并且当一首新歌曲出现时，只需为您的算法提供其特征和目标。这样，您就不必对每首新歌都进行全面的再培训；

2. 使用最近邻方法：给定一组特征，从您的歌曲中找到最接近它的一组特征，然后选择该歌曲。也不需要全面再培训，但可能效率低。

您可能还想研究关系关联规则。