自然语言处理-文本分类

一、模型的选择

①特征数量很多，和样本数量差不多，选择逻辑回归（LR）或线性支持向量机（SVM）。

②特征数量比较小，样本数量一般，不大也不小，选择SVM的高斯核函数版本。

③数据量非常大，又非线性，使用决策树（DT）的升级版本-随机森林。

④数据量巨大，特征向量也非常大，用神经网络深度学习模型。

二、大致步骤

1）定义阶段：定义数据以及分类体系，具体分为哪些类别，需要哪些数据。

2）数据预处理：对文档做分词、去停用词等准备工作。

3）数据提取特征：对文档矩阵进行降维，提取训练集中最有用的特征。

4）模型训练阶段：选择具体的分类模型以及算法，训练出文本分类器。

5）评测阶段：在测试集上测试并评价分类器性能。

6）应用阶段：应用性能最高的分类模型对文本进行分类。

更详细的文本分类模型描述

文本分类解决方法综述

https://www.cnblogs.com/sxron/p/7742692.html