文本分类与推荐

Question

我正在尝试创建一个机器学习算法，用于地址分类或类似的地址分类，用于农村（村庄）地区。我有一个历史数据，包括地址列表（自变量）、村名（自变量）、Pin码（自变量）、客户手机号和路线号（因变量）。路线编号为送货车，这将有助于他们覆盖该地区最大数量的送货目的地

挑战-

1. “地址”可能拼写错误
2. “村庄名称”可以为空
3. “Pin码”可能是错误的

好事-

并非所有自变量都可以同时为错误/空

现在，创建此算法的目的是根据“地址”、“村庄”、“Pin码”和历史数据（其中我们手动选择了送货车的路线）来选择最佳路线号

我是初学者，我不知道该怎么做，该用哪个过程

我已经完成了任务

地址清理-删除短词，删除大词，删除停止词

现在试着用单词向量来做，但我做不到

Answer 1

首先，您必须先构建一个数据集-包含尽可能多的村庄名称！因为许多村庄都有相似的名字，所以识别一个拼写错误是相当困难和危险的！有一两个字母的差别。所以，数据集越大越好。 然后，尝试使用TF-IDF来组合村名和PIN码（this link may be helpful for Indian data），或者可以使用模糊逻辑。 希望有帮助！快乐的编码