В этом сообщении блога мы поговорим о решении проблемы классификации с несколькими метками с использованием различных подходов, таких как - использование OneVsRest , двоичная релевантность и цепочки классификаторов . Мы решим этот кейс, решив проблему социальных тегов фильмов. Социальные теги фильмов раскрывают много контрастирующей и несвязанной информации о фильмах, например к какому жанру принадлежит конкретный фильм, его сюжетной структуре, информации о саундтреках, метаданных..

В этом посте мы будем говорить и решать эту задачу, которая была на конкурсе kaggle год назад, т.е. в 2019 году. Вот ссылка на конкурс: Нажмите здесь Мы решим этот кейс Учитесь и старайтесь попасть в топ-5% или даже меньше, используя очень интересные техники. Обзор тематического исследования: Сначала мы рассмотрим описание Конкурса, Мы узнаем о механике того, как она выполняется, используя эксперименты, проведенные в лаборатории человека, Мы рассмотрим набор данных и проверим его..

Бизнес-проблема : - предлагать релевантные продукты в соответствии с историей заказов пользователей или прогнозировать, какой продукт, приобретенный пользователем ранее, с наибольшей вероятностью будет приобретен снова. Источник данных: - надбавка за товарную корзину kaggle instacart https://www.kaggle.com/c/instacart-market-basket-analysis/overview Существующие подходы к проблеме : - Это конкурс kaggle, проведенный в 2017 году, на 3000 участников. Все решения можно найти..