我正在尝试构建一个分类器来分类文档是否是关于体育的文档。我有足够的体育文档样本来训练分类器，但是我无法想象如何对“非体育文档”类别进行采样，因为可以有任何东西——书籍、新闻文章、简历、发票等。如何处理这个问题？
我已经尝试用我的运动文档样本训练一类 SVM 分类器，但结果证明准确度很差——大约 6%。
我还阅读了有关 PU 学习的内容，您认为这是要走的路吗？还有其他选择吗？
谢谢你。
将一个特定类别的文档与其他文档分类
数据挖掘
机器学习
nlp
文本
文本分类
2022-01-29 19:41:24
1个回答
您的问题确实是一个典型的一类分类问题，据我所知，一类 SVM 通常是一个不错的选择。
我认为您应该调查导致性能不佳的原因：
- 准确评估可能提供的信息不够，您至少需要找出错误往往是误报还是误报，因此使用精确度/召回率。
- 您可以查看特征级别发生的情况：例如，我希望 SVM 会为某些特定于运动的词赋予很大的权重。也可能是维度太高的问题，也许你需要删除停用词或过滤掉稀有词等。
其它你可能感兴趣的问题