一个新的用户来到网站，我们需要了解他是男是女，这是一个最简单的二分类问题，给出一个方案：
第一步是建体系，男、女：
第二步是获取样本，找10000个人，我们事先确定好他们的性别（passport或者其他，务必要准确减少噪点）作为标注结果，我们将他们过去一个月在百度上搜索的query拿出来作为样本；（选取时男女比例保证1:1，选取的query不超过5000个，避免网吧或共用电脑等情况）
第三步是获取训练集：对这些query进行切词获取特征（切成短语），去掉stopwords，然后按权重（检索量）每个人选取3000个短语作为特征生成训练集；
第四步是用不同的方法进行训练，不管svm/boost/adaboost，还是用两种方法的结合也好；

最重要的是第二步和第三步，在于选取特征，这些特征不仅仅是网民搜索过的query，还可以是他们浏览过的网页，还有一些操作行为，如访问各个频道的频次，关注吧名，是分类中最重要的，在所有的策略过程中，选特征是一条漫漫长路，也是所有分类问题中最重要的；

在写这篇文章的时候，看了看过去的总结，发现4年匆匆而过，确实是变化蛮大，我们做事情，不仅是要做的没有问题，还要讲的没有问题，让别人都听得懂，听得清楚；