我正在尝试创建自己的简单特征选择算法。我将要处理的数据集在这里下载（非常著名的数据集）。有人能给我一些如何做的指导吗？

我计划为文本分类编写一个特征排序算法。这用于电影评论的情感分析，将其分类为正面或负面。

所以我的问题是如何为文本数据集编写一个简单的特征选择方法。

回答：

特征选择方法是一个很大的话题。你可以从以下几点开始：

1. 卡方检验

2. 互信息

3. 词频

等等。如果你有时间，阅读这篇论文：文本分类中特征选择的比较研究，这将对你很有帮助。

实际实现取决于你如何预处理数据。基本上就是保持计数，无论是使用哈希表还是数据库。