svm学后理解

随着oec项目4版本的开发，学习svm算法也有段时间了，对于其理解做些总结。

首先svm是有监督的分类回归算法，对于自动识别分类效果比较好，具体流程如下：

1.对语料每个分类打标签，并对每个分类下面的txt文本进行分词。分词器有好多种，自己可以选择适合自己的，我用过mmseg4j，ansj和中科院三种分词器，其中ansj对词的标注和自动学习词性方面最好。

2.去停用词。

3.根据你想用的提取特征向量的算法来做不同的操作。

如果用卡方来做向量提取，要计算着个词在本类出现次数，在其他类出现次数，在本类不在其他类出现次数等

如果用tfidf来做向量提取，要计算词频，词在本类出现的次数，反词频，词在其他类出现的次数等

4.生成模型

5.测试预料进入，分词，统计词频，去停用词

6.按不同算法计算相似度