如何使用线性回归模型为工作推荐选择训练数据集？答案

【问题标题】：How do I choose training data set for job recommendation using linear regression model?如何使用线性回归模型为工作推荐选择训练数据集？
【发布时间】：2016-10-18 12:02:33
【问题描述】：

我在数据库中有两种配置文件。一种是候选 prodile，另一个是招聘人员发布的职位简介。

在两个配置文件中，我都有 3 个共同领域，比如位置、技能和经验

我知道算法，但在创建训练数据时遇到问题设置我的输入功能将是位置，技能和薪水选择来自候选人资料，但我不知道如何选择输出（相关工作简介）。

据我所知输出只能是一个变量，那么如何在我的训练集中选择相关的工作资料作为输出

或者我应该选择其他方法吗？另一种想法是聚类。

【问题讨论】：

标签： machine-learning data-science

【解决方案1】：

据我了解，您想使用一些预测算法来预测给定候选人资料的工作资料。

好吧，如果你想使用回归，你需要知道一些历史数据——哪些候选人得到了哪些工作，然后你可以根据这些历史数据创建一些模型。如果你没有这样的训练数据，你需要一些其他的算法。比如说，您可以将location,skill and experience 设置为 3d 中的特征，并使用聚类/最近邻来查找最接近工作资料的候选人资料。

【讨论】：

谢谢伙计。我怎样才能把匹配的工作放在训练行的输出中
如果你没有这个映射，你就不能那样做。你必须使用其他算法

【解决方案2】：

您可以查看“推荐系统”，它们可以解决您的问题。从基于内容的算法开始（您必须找到一种方法来自动化工作标签，或者手动执行它们），您可以通过收集用户真正感兴趣的工作来改进为混合算法（并成为混合推荐者)

【讨论】：