在这种情况下应该使用哪种机器学习模型？

Question

最近我正在研究我的课程项目，它是一个可以自动帮助填充基于用户声音的消费表单的android应用程序。因此，这里是一个例句：

所以我想要做的是让应用程序自动填写表格，我的形式有几个字段：时间（昨天），位置（麦克唐纳），成本（10个美元），类型（食品）。在这里，“类型”字段将包括食物，购物，运输等。

我已经使用了单词拆分库将句子拆分成几个部分并解析它，所以我已经可以提取时间，位置和成本从用户的声音领域。

我想要做的是用某种机器学习模型推导出“类型”字段。所以应该有一些记录提前，用户手动输入来训练模型。在训练之后，当新记录进入时，我首先提取时间，位置和成本字段，然后根据模型计算类型字段。

但我不知道如何表示位置字段，我应该使用字典包含许多着名的位置并使用索引来表示位置？如果是这样，我应该使用哪种机器学习方法来模拟这个要求？

Answer 1

我会从Naive Bayes分类器开始。下面的链接应该了解它有用：

• http://en.wikipedia.org/wiki/Naive_Bayes_classifier
• http://cs229.stanford.edu/notes/cs229-notes2.pdf
• http://scikit-learn.org/stable/modules/naive_bayes.html

不知时间和成本是歧视/相比，位置为你的任务信息。

一般来说，看下面的链接，文本数据的工作（即使你不知道蟒蛇应该是有用）：

• http://scikit-learn.org/dev/tutorial/text_analytics/working_with_text_data.html

Answer 2

它应该包括三个阶段：

1. 特征表示：

一种表示特征的方法是Bag-of-Word表示法，它可以修复字典的顺序并使用词频矢量来表示文档。有关详细信息，请参见https://en.wikipedia.org/wiki/Bag-of-words_model。

1. 数据和标签收集：

基本上，在这个阶段，你应该准备一些[功能] - [类型]对培训的模式，这可能是乏味的或昂贵的。如果您已经发布了您的应用，并且收集了很多[句子] - [类型]对（可能由应用用户选择），则可以提取这些功能并构建一个训练集。

1. 学习模型：

Cdeepakroy曾建议该模型的一个不错的选择：朴素贝叶斯，这对于这样的分类任务非常有效的。在这个阶段，你可以找到一个合适的包裹，插入你的训练数据，并享受它返回的分类器。