相似性度量 scikit-learn 文档分类

Posted 2023-03-12

【中文标题】相似性度量 scikit-learn 文档分类

【英文标题】：similarity measure scikit-learn document classification

【发布时间】：2016-08-09 20:00:46

【问题描述】：

我正在使用 scikit-learn 进行文档分类方面的工作。为此，我在一个 tf-idf 矩阵中表示我的文档，并将这些信息提供给一个随机森林分类器，效果非常好。我只是想知道分类器（余弦、欧几里得等）使用哪种相似性度量以及如何更改它。在文档中没有找到任何参数或信息。

提前致谢！

【参考方案1】：

与大多数监督学习算法一样，随机森林分类器不使用相似度度量，它们直接处理提供给它们的特征。因此，决策树是根据您的 tf-idf 向量中的术语构建的。

如果您想使用相似度，那么您必须为您的文档计算一个相似度矩阵并将其用作您的特征。