我不知道如何组合TF-IDF结果并在数学上将其用于信息增益的概念。有人能给我解释一下吗？
浏览 28提问于2019-09-03得票数 1
3回答
特征选择文本挖掘
、、、、
我们正在进行一项关于文本分类的任务，我们使用了一种无监督的机器学习模型。
在进行文本聚类之前，数据集必须经过几个步骤，如从停止词中清除数据集，从文本中提取词干词，然后得到特征选择。阅读关于特征选择的文章，我可以应用几种方法来进行特征选择，如信息增益、基尼指数和互信息<
浏览 2提问于2013-12-23得票数 0
1回答
我正在使用决策树进行文本分类，它使用信息增益作为文本文档分类的主值。我已经通过TF*IDF值提取了一些特征。但我不能计算出信息增益的确切计算方式？有一些文章对此提出了建议，但没有一篇文章非常清楚如何将其应用于文本文件。
浏览 4提问于2013-12-21得票数 1
1回答
垃圾邮件过滤中的降维方法
、、、、
我正在进行一个实验，需要比较几种垃圾邮件过滤分类算法的分类性能，即。他在博客中写道：“垃圾邮件过滤是一个典型的文本分类问题，其中降维可能是一个很大的错误。”所以，现在我很困惑，在垃圾邮件过滤的情况下，降维是否有用？此外，我还在文献中读到了关于文档频率和TF-国防军是一种特征约简技术的文献。但我不知道它是如何工作的，并在分类过程中发挥作用。
我知道如何使用<
浏览 3提问于2014-04-09得票数 0
回答已采纳
1回答
在训练模型之前，我想在R中进行二值文本分类的特征选择。有没有可以应用的包(类似于python中的TextFeatureSelection )？或者，有没有人有一个例子，说明如何将R中的比例差或信息增益应用于文本？
非常感谢!
浏览 7提问于2022-10-09得票数 0
1回答
在使用决策树算法或随机森林进行分类的情况下，我们使用基尼杂质或信息增益作为衡量标准，以确定首先选择哪个特征来分割父节点/中间节点，但如果我们使用决策树或随机森林进行回归，那么如何计算特征重要性或选择特征
浏览 62提问于2020-10-22得票数 1
我正在做一个使用python中的朴素贝叶斯分类器进行文档分类的项目。我已经使用了nltk python模块来做同样的事情。这些文档来自路透社数据集。我执行了词干提取和停用字消除等预处理步骤，并继续计算索引项的tf-idf。我使用这些值来训练分类器，但准确率非常低(53%)。我应该做些什么来提高准确率？
浏览 2提问于2012-05-09得票数 2
回答已采纳
我每个人都有500个特征。现在，我想看看哪些特性最大限度地实现了这种分离。我的第一种方法是测试每个特征与svm的组合，并遵循svm给出的分数。如果分数很好，那么这些特征与分离这两组数据是相关的。但这需要太多的时间。500！可能性。如果分数发生了很大的变化，那么这个特征是相关的。这样做更快，但我
浏览 7提问于2015-08-21得票数 1
回答已采纳
1回答
我正在处理数值特征，我想在sklearn中使用决策树分类器来找到特征的重要性。
特征的重要性。越高，功能就越重要。特征的重要性计算为该特征所带来的标准的(规范化)总体缩减。它也被称为基尼重要性R19
浏览 6提问于2015-05-31得票数 0
3回答
我有点搞不懂“特征选择/提取器/权重”意味着什么以及它们之间的区别。当我读文献的时候，我发现这个词使用得很松散，有时我觉得很失落，我最关心的是--
如果我训练分类器--通过一个特征集要求分类器注意文档中
浏览 2提问于2010-01-29得票数 14
1回答
我正在使用scikit-learn库中的Random Forest解决python中的一个文本分类问题。我想尝试不同的特征选择方法，例如信息增益(IG)或双正态分离(BNS)，如本中所述。似乎scikit中唯一可用的特征选择方法(使用CountVectorizer类)是基于文档频率的。其他库中有其他方法吗？
浏览 1提问于2014-09-10得票数 0
2回答
我有一个类似twitter的(另一个微博)数据集，拥有160万个数据点，并试图根据其内容预测其转发数量。我提取了它的关键字，并使用关键字作为包的文字特征。然后我得到了120万维特征。特征向量非常稀疏，通常在一个数据点上只有10维。我用SVR做回归。现在已经用了两天了。我认为训练时间可能需要相当长的时间。我不知道这样做是否正常。是否有任何方法或有必要优化这个问题？
顺便说一下。如果在这种情况下，我不使用任何内核，机器是32 is和i-7 16核。估计培训时间是多长时间？我
浏览 4提问于2015-08-27得票数 1
回答已采纳
1回答
我正在尝试确定LMT(逻辑模型树) DT (决策树)的WEKA实现中单个变量的重要性。
我想知道每个独立变量在分类任务中的贡献，因此需要确定每个独立变量的重要性。这是为了对我的结果进行更深入的分析。我已经研究了“选择属性”选项卡，以及相应的算法(即主成分、信息增益、排序器等)；但是，这些算法提供了有关哪些组合或变量等级将有助于最佳(或最有效，或最快，取决于您的最终目标，分类器)的信息。然而，我对排名或选择</
浏览 3提问于2013-02-19得票数 1
4回答
为分类器选择可用特征子集的方法之一是根据标准(例如信息增益)对它们进行排序，然后使用分类器和排序特征的子集计算精度。例如，如果您的特性是A, B, C, D, E，如果它们按照D,B,C,E,A排序，那么您可以使用D、D, B、D, B, C、D, B, C, E来计算精度.直到你的准确度开始下降。📷
在example1 (上面)中，您将选择特性F, C, D,
浏览 0提问于2016-10-24得票数 11
回答已采纳
在python中实现的adaboost算法是如何为每个特性分配特性重要性的？我正在使用它进行特征选择，我的模型在基于feature_importance_值的特征选择方面表现得更好。
浏览 4提问于2016-04-16得票数 4
回答已采纳
3回答
我正在用Java编写一个小系统，在这个系统中，我从文本文件中提取n元语法特征，稍后需要执行特征选择过程，以便选择最多的鉴别器特征。单个文件的特征提取过程返回一个Map，其中包含每个唯一特征及其在文件中的出现情况。我将所有文件的Map (Map)合并为一个Map，其中包含从所有文件中提取的所有唯一特征的文档频率(DF)。目前，特征提取过程运行良好，我想执行特
浏览 1提问于2015-01-14得票数 11
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
实时音视频活动推荐
腾讯云开发者
