二进制输出的文本分类

Posted 2023-03-12

【中文标题】二进制输出的文本分类

【英文标题】：Text classification for binary output

【发布时间】：2018-05-30 03:52:20

【问题描述】：

我不是数据科学家，对数据科学/机器学习非常陌生。 我的目标是预测某些文本是否属于特定类别。 我已经看过天真的海湾来将文本分类为不同的类，但在这里我只有一个类。最后，我想预测文本是否属于某个类别（例如，文本是否属于technical 类型，而不是technical 或political）。我只有正数据集（technical 类型的所有文本）用于训练。

据我所知，Naive bays 需要正数据集和负数据集进行训练。不确定这是否是解决问题的最佳算法。如果有的话，想学习更好的方法。谢谢。

【问题讨论】：

您在特定领域工作吗？

好吧，只是为了更清楚。我想预测一条推文属于某个类别。与域本身无关。

【参考方案1】：

你有两个选择：

您可以使用如下的自动编码器：

第 1 步：使用您拥有的正面数据对其进行训练 Step2：使用错误计算作为分类器：将新数据提供给您在第一步中已经训练过的自动编码器，并将具有高错误的数据单元作为“异常”（在您的情况下不属于想要的文本类.)

您还可以使用 k-means 之类的聚类技术，在这种情况下，您需要花更多时间进行特征工程（选择与文本最相关的特征）。