非朴素的文本分类算法?

朴素贝叶斯算法假设特征之间是独立的。哪些文本分类算法不是朴素的,即不假设其特征之间是独立的?


回答:

答案非常直接,因为几乎所有分类器(除了朴素贝叶斯)都不是朴素的。特征独立性是一个非常罕见的假设,并且没有被(在众多其他算法中)以下算法所采用:

  • 逻辑回归(在自然语言处理社区中被称为最大熵模型)
  • 线性判别分析(费舍尔线性判别)
  • k近邻
  • 支持向量机
  • 决策树/随机森林
  • 神经网络

您询问的是文本分类,但文本并没有什么特别之处,您可以对这种数据使用任何现有的分类器。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注