我训练了一个基于 SVM 的系统，该系统根据一个问题，判断网页是否适合回答该问题。

我选择的特征包括“网页中的词频”、“关键词是否与网页标题匹配”、“网页中的图片数量”、“网页的长度”、“是否是维基百科页面”、“该网页在搜索引擎返回列表中的位置”。

目前，我的系统保持着大约 0.4 的精确率和 1 的召回率。它有很大一部分误报错误（即许多不好的链接被我的分类器分类为好的链接）。

由于准确率可以稍微提高一点，我想在这里寻求一些关于改进我选择的训练/测试特征的帮助，可以删除一些或者添加更多的特征。

提前感谢。

回答：

嗯…

• 你的训练集有多大？ 也就是说，你使用了多少训练文档？
• 你的测试集由什么组成？
• 由于你得到了太多的误报（FP），我建议你用更多（和多样化的）“不好”的网页进行训练。
• 你能提供更多关于你的不同特征的细节吗，比如“网页中的词频（tf）”等等？