为了我自己的探索，我正在做一个销售预测项目。我正在使用从一组书中提取的文本来构建预测模型。
通过 scikit learn，我创建了一个 Tfidf，并与数字销售数字一起创建了一个 SGDRegressor。但我想和其他模特一起练习。
我正在查看可供我使用的选项，我想知道，在这种回归场景中还有哪些其他算法可能有用？和/或，scikit learn 中的哪些其他算法会将 tfidf 作为数据集？
文本建模推荐使用哪些回归器？
数据挖掘
nlp
文本挖掘
回归
scikit-学习
2021-10-02 20:42:57
1个回答
在 sklearn 中，任何需要稀疏数据的东西都可以从 TFIDF 中获取输出。
在 sklearn 中，基本上任何模型可以采用的所有数据要么是密集的（普通数组）要么是稀疏的（只存储值的位置！= 0）。您可以从稀疏转换为密集，但如果尝试，您可能会耗尽内存。
我非常喜欢在文本数据上使用线性算法（例如，sgdregressor 有很多不同的选项可供您使用）。但其他算法，如 Sergey 提到的随机森林和朴素贝叶斯模型也可以处理这类数据。基本上你正在寻找的是任何可以接受稀疏输入数据的东西。
（我过去在处理文本+其他数据时所做的一件事是从 sgd 对数据的分析中获取输出，并将该+其他数据提供给另一种算法，例如随机森林。这是一种简单且非常强大的方法）