根據用戶的一些特征數據，如果能推測出用戶的性別借此提高產品的服務質量、廣告的精准性等都是極好的。
機器學習方法有很多，而且一般都可以達到不錯的效果，比如svm或神經網絡等。
本文使用的代碼參考——《TensorFlow練習18: 根據姓名判斷性別》
但原文代碼已經無法直接跑起來，對於最新的TensorFlow需要酌情調整部分參數和函數名等，根據報錯調整即可比較容易，文末我也可以考慮放出自己的代碼，看心情吧 O(∩_∩)O~
下面我們開始一步步剖析原文中用到的word embedding方法：
雖然word embedding通常是用於自然語言處理的，但其實用於分析用戶性別也不錯，通過訓練word embedding可將一句話分為積極、消極或高興、生氣等態度，所以把用戶特征當做一句話，分析出男女（相當於這句話的態度）自然是可行的。
word embedding中用到了卷積神經網絡，關於什么是卷積神經網絡，可參考這篇知乎回答——《CNN(卷積神經網絡)是什么？有入門簡介或文章嗎？》，講解的深入淺出，非常適合入門理解。
而對於《TensorFlow練習18》中的代碼只有一類特征就是姓名，先將名字中每個字向量化（前57行代碼）並用於embedding計算和卷積計算等，實際情況下可能不會知道姓名而且也會做數據脫敏，當然這都是后話，通常的特征數據類型有設備類型、安裝的軟件等，這些特征也要先經過向量化處理，比如設備A，軟件x、軟件y、軟件z，把其中每項當成原文中一個字來做向量化即可，轉換之后就變成了4個數值（下文簡稱向量值），向量值才是計算機可以理解的信息。
接下來就到了最關鍵的embedding層了，至於這個embedding到底是怎么回事，可以參考這篇文章《TensorFlow學習筆記3：詞向量》，核心就是上述向量值太簡單了，沒有相關性，無法直接用於計算卷積神經網絡，所以在訓練模型過程中用embedding算法得出每個向量值在多個維度的語義和相關性數據。原文中embedding_size=128，所以就會為每個向量值計算128維的數據，當然對於實際的應用場景可能維度太多反倒會適得其反，可以調整embedding_size多訓練幾個模型來確定最適合的值，比如我最終確定embedding_size=16准確率最高。
在embedding層之后就是卷積層和池化層了，還有dropout層，這些在《CNN(卷積神經網絡)是什么？有入門簡介或文章嗎？》也有詳細介紹，就不贅述了。原文中filter_sizes = [3,4,5]一共三項，所以一共三層卷積，而每層卷積的感受野分別為3、4、5，至於num_filters=128即每層卷積有128個卷積核（可以認為是128種濾鏡）。另外其中的filter_sizes也是可以根據應用場景適當調整的，num_filters也可以調下試試，不過我感覺調整num_filters對於我的場景幫助不大。
未完待續