machine-learning - 特遣部队/以色列国防军可以考虑上课吗

Question

使用分类算法(例如朴素贝叶斯或 SVM)和 StringToWordVector，是否可以使用 TF/IDF 并计算整个当前类中的术语频率，而不是仅查看单个文档？

让我解释一下，我希望计算能够为给定类(不仅仅是给定文档)非常频繁但在整个语料库中不太频繁的单词提供高分。

是否可以开箱即用，或者是否需要一些额外的开发？

谢谢:)

Answer 1

I would like the computation to give high score to words that are very frequent for a given class (not just for a given document) but not very frequent in the whole corpus.

您似乎想要监督术语权重。我不知道有任何现成的实现，但是有很多 literature about it 。例如。加权方案 tf-χ2 用 χ2 独立性测试的结果替换 idf，因此统计上依赖于某些类别的项得到提升，还有其他几个项。

Tf-idf 本身本质上是不受监督的。