- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在研究文本分类和 SVM。
我的理解是,通常为训练矩阵选取特征的方法本质上是使用“词袋”,其中我们最终得到的矩阵的列数与文档中不同单词的列数相同,并且这些列的值是每个文档中每个单词出现的次数(当然每个文档由一行表示)。
这样一切正常,我可以训练我的算法等等,但有时我会收到类似的错误
Error during wrapup: test data does not match model !
通过挖掘一下,我在这个问题 Error in predict.svm: test data does not match model 中找到了答案。这实质上是说如果您的模型具有特征 A、B 和 C,那么要分类的新数据应包含 A、B 和 C 列。当然,对于文本来说,这有点棘手,我要分类的新文档可能包含分类器在训练集上从未见过的单词。
更具体地说,我使用的是 RTextTools 库,它在内部使用 SparseM 和 tm 库,用于训练 svm 的对象的类型为“matrix.csr”。
无论库的具体情况如何,我的问题是,文档分类中是否有任何技术可以确保培训文档和新文档具有不同单词的事实不会妨碍新数据的分类?
更新 @lejlot 建议的解决方案在 RTextTools 中实现非常简单,只需在使用 create_matrix 时使用 originalMatrix 可选参数即可> 功能。本质上,originalMatrix 应该与使用 create_matrix 函数训练数据时创建的矩阵相同。因此,在训练数据并拥有模型后,还保留原始文档矩阵,在使用新示例时,请确保在为预测集创建新矩阵时使用此类对象。
最佳答案
Regardless of the specifics of the library my question is, is there any technique in document classification to ensure that the fact that training documents and new documents have different words will not prevent new data from being classified?
是的,而且这是非常微不足道的。在应用任何训练或分类之前,您需要创建一个预处理对象,该对象应该将文本映射到矢量表示。特别是 - 它存储用于训练的整个词汇。稍后,您在测试文档上重用相同的预处理对象,并且您只需忽略之前存储的词汇表之外的单词(OOV 单词,因为它们经常在文献中引用)。
显然还有很多其他更“启发式”的方法,您不是放弃它们,而是尝试将它们映射到现有的单词(尽管理论上不太合理)。相反,您应该创建中间表示,这将是您新的“预处理”对象,它可以处理 OOV 单词(通过一些 levenstein 距离映射等)。
关于r - 使用 R 和 SVM 进行文本分类。矩阵特征,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/37086414/
假设我有两个矩阵,每个矩阵有两列和不同的行数。我想检查并查看一个矩阵的哪些对在另一个矩阵中。如果这些是一维的,我通常只会做 a %in% x得到我的结果。 match似乎只适用于向量。 > a
关闭。这个问题是opinion-based .它目前不接受答案。 想要改进这个问题? 更新问题,以便 editing this post 可以用事实和引用来回答它. 关闭 9 个月前。 Improv
我只处理过 DirectX 矩阵 我读过一些文章,说不能将 DirectX 矩阵数学库用于 openGL 矩阵。 但我也读过,如果你的数学是一致的,你可以获得类似的结果。那只会让我更加困惑。 任何人都
我编写了一个C++代码来解决线性系统A.x = b,其中A是一个对称矩阵,方法是首先使用LAPACK(E)对角矩阵A = V.D.V^T(因为以后需要特征值),然后求解x = A^-1.b = V^T
我遇到了问题。我想创建二维数组 rows=3 cols=2我的代码如下 int **ptr; int row=3; int col=2; ptr=new int *[col]; for (int i=
我有一个 3d mxnxt 矩阵,我希望能够提取 t 2d nxm 矩阵。在我的例子中,我有一个 1024x1024x10 矩阵,我想要 10 张图像显示给我。 这不是 reshape ,我每次只需要
我在 MATLAB 中有一个 3d 矩阵 (n-by-m-by-t) 表示一段时间内网格中的 n-by-m 测量值.我想要一个二维矩阵,其中空间信息消失了,只剩下 n*m 随着时间 t 的测量值(即:
作为一个简化的示例,我有一个 3D numpy 矩阵,如下所示: a = np.array([[[1,2], [4,np.nan], [7,
作为一个简化的示例,我有一个 3D numpy 矩阵,如下所示: a = np.array([[[1,2], [4,np.nan], [7,
使用 eigen2 , 并给定一个矩阵 A a_0_0, a_0_1, a_0_2, ... a_1_0, a_1_0, a_1_2, ... ... 和一个矩阵B: b_0_0, b_0_1, b_
我想知道如何获得下面的布局。 在中型和大型设备上,我希望有 2 行和 2 列的布局(2 x 2 矩阵)。 在小型(和超小型)设备上或调整为小型设备时,我想要一个 4 行和 1 列的矩阵。 我将通过 a
有什么方法可以向量化以下内容: for i = 1:6 te = k(:,:,:,i).*(c(i)); end 我正在尝试将 4D 矩阵 k 乘以向量 c,方法是将其
如何从填充有 1 和 0 的矩阵中抽取 n 个随机点的样本? a=rep(0:1,5) b=rep(0,10) c=rep(1,10) dataset=matrix(cbind(a,b,c),nrow
我正在尝试创建一个包含 X 个 X 的矩阵。以下代码生成从左上角到右下角的 X 对 Angular 线,而不是从右上角到左下角的 X 对 Angular 线。我不确定从哪里开始。是否应该使用新变量创建
我想在 python 中创建一个每行三列的矩阵,并能够通过任何一行对它们进行索引。矩阵中的每个值都是唯一的。 据我所知,我可以设置如下矩阵: matrix = [["username", "name"
我有点迷茫 我创建了一个名为 person 的类,它具有 age 和 name 属性(以及 get set 方法)。然后在另一个类中,我想创建一个 persons 数组,其中每个人都有不同的年龄和姓名
我有 n 个类,它们要么堆叠,要么不堆叠。所有这些类都扩展了同一个类 (CellObject)。我知道更多类将添加到此列表中,我想创建一种易于在一个地方操纵“可堆叠性”的方法。 我正在考虑创建一个矩阵
我有一个包含 x 个字符串名称及其关联 ID 的文件。本质上是两列数据。 我想要的是一个格式为 x x x 的相关样式表(将相关数据同时作为 x 轴和 y 轴),但我想要 fuzzywuzzy 库的函
机器学习与传统编程的一个重要区别在于机器学习比传统编程涉及了更多的数学知识。不过,随着机器学习的飞速发展,各种框架应运而生,在数据分析等应用中使用机器学习时,使用现成的库和框架成为常态,似乎越来越不需
当我在 julia 中输入这个错误跳转但我不知道为什么,它应该工作。/ julia> A = [1 2 3 4; 5 6 7 8; 1 2 3 4; 5 6 7 8] 4×4 Array{Int64,
我是一名优秀的程序员,十分优秀!