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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注