machine-learning - 选择通过浏览历史记录来估算用户性别的算法

Closed. This question needs to be more focused。它当前不接受答案。
                            
                        
                    
                
                            
                                
                
                        
                            
                        
                    
                        
                            想改善这个问题吗？更新问题，使其仅通过editing this post专注于一个问题。
                        
                        5年前关闭。
                                                                                            
                
        
我的任务是分析用户的网络历史记录，以估计年龄性别。作为输入，我有很多数据与用户浏览历史记录有关。但是对我来说，主要的复杂性是为此选择合适的算法。据我了解，最简单的方法是按性别对所有网站进行排名，并为此使用分类算法之一。我对吗？您能帮我选择合适的算法吗？

最佳答案

您可以从Naive Bayes分类器开始，该分类器与早期版本的垃圾邮件过滤器中使用的分类器相同。

想法是给每个URL评分，例如，在其浏览历史记录中拥有该URL并结合一个人的浏览器历史记录中所有URL的所有评分以尝试预测其体裁的男性百分比。

关于machine-learning - 选择通过浏览历史记录来估算用户性别的算法，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/25119966/