系列说明:最近在刷牛客网的机器学习系列的题目,希望可以通过记录知识点来让自己查缺补漏,后续会持续更新哦~~~
需要的友友可以持续关注这个系列,一起进步,一起学习呀!!
(如果觉得不错的话,欢迎点赞、收藏!当然,如果有总结不到位的地方,或者有什么意见和建议,都希望在评论区进行指导和留下评论哦~~~~~这是我最大的动力!)
在文本分类中,有如下几种种常用特征选择算法:
- TF(Term Frequency)词频
计算每个词在文本中出现的频率,常用于基础词袋模型的文本分类任务。
可以通过计算每一个词的TF值(词频),选择词频较高的词作为特征词
- IDF(Inverse Document Frequency)逆文档频率
这个方法可以衡量一个词对于整个语料库的重要性。
计算方式:对于语料库中的每个词,计算其在不同文档中出现的次数,并将其取倒数。
这个方法常与TF一起使用,通过TF-IDF值选取关键词作为类别特征。
- DF(Document Frequency) 文档频率
DF:统计特征词出现的文档数量,用来衡量某个特征词的重要性
-
MI(Mutual Information)互信息法
互信息法用于评估