zoukankan      html  css  js  c++  java
  • 特征词选择算法对文本分类准确率的影响(四)

    本小节,我们仅考虑一种特征词选择框架IG(infomation Gain)。


    采用两种概率建模

    第一种我们称之为经典的概率建模。也就是被公认采纳的那一种。

    也就是说该种方法认为 每个类别的概率可以根据训练语料中两个类别的文章数目来估计,由于我的实验中两类数目相等所以各为二分之一。

    文章是连接词语与类别的桥梁。因此在计算 TF(t,C)的时候,有可以根据文档是由多变量伯努利分布生成(一),还是多项式分布生成(二)。有两种概率计算方式。在(一)的情况下,仅考虑一个词在文章中是否出现,出现则为1,否则则为0。在(二)的情况下不仅要考虑一个词在文章中是否出现,而且要考虑其出现的次数。

    下面给出情况一和情况二下的实验结果:

    情况一:




                                                                           

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

     

    情况二

     

     

     

    对比后发现,取得最高准确率的值和维度都是一样的。不仅如此,

    其实在两种情况下计算的各个文档规模,在各个特征维度上的5次交叉验证的平均准确率也是惊人的一致(大家不要怀疑我伪造数据哈,没有这个必要)

    两种方法计算的平均准确率如下(图片只显示了部分,最后我会将准确率数据打包上传)

     

  • 相关阅读:
    CodeForces
    codeforces 1250B The Feast and the Bus
    CF1038D Slime
    CodeForces-208C Police Station
    差分约束
    HDU 2586
    HDU 3948
    HDU 2222
    作业
    闰年的判断
  • 原文地址:https://www.cnblogs.com/finallyliuyu/p/1812924.html
Copyright © 2011-2022 走看看