可读性分类器的哪种方法
可读性分类器的哪种方法
提问于 2012-11-25 14:32:10
恐怕我对量词背后的理论理解不深，所以请原谅我的问题在你看来很幼稚。
目标：给出任意文本，根据年龄范围对其进行分类，即根据其可读性进行分类。所以我的课程将是年龄范围(简化)：5-6，6-8，8-10，10-14，14-16，成人。理想情况下，每个文本文档都应该得到每个类(不仅仅是最有可能的类)的概率。
当前状态：特征提取器就位。它输出每个文本文档的特征向量，大约有30个特征，几乎都是数字的，其中有几个是标称的。我正在试验用Weka训练一个模型，现在使用包含在weka中的SMO svm，通过网格搜索进行优化。我也可以使用libSVM，但目前这并不重要。
问题：
- 您是否会对此任务使用不同的分类器，特别是wrt，即每类概率所需的输出？
- 训练数据并没有在这样好的不相交的范围内被分割。这些范围可能重叠。有些文本是(手动)分类的10-12范围，另一些，来自不同的来源，被归类为11-13，或8-13，等等。你将如何处理这个问题？修改过滤/培训？不是修改它们，而是以不同的方式解释结果？
回答 1
Stack Overflow用户
发布于 2012-11-25 15:49:24
你可以尝试做回归而不是分类--基本上你会尝试预测阅读每个文档的“理想”年龄。
这将允许你处理不同的年龄范围，虽然还不完全清楚如何代表班级--也许从取平均值开始，所以对于8-12岁的人，正确的答案是10等等(然后稍微用“成人”的值来玩)。
我的猜测是，它可能导致对模型的更稳健的估计，结果可以很好地解释--例如，如果你有很多8-12和12-15的例子，而算法预测11.9，你可以说这对于8-12的范围来说是“勉强可以理解的”。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/13551963
复制相关文章
相似问题
腾讯云开发者
