文本分类学习 （四） 特征选择之卡方检验
序，选择排名靠前的特征来表示文本。 目录： 文本分类学习（一）开篇 文本分类学习（二 ...
原文：评分卡系列（三）：分类学习器的评估
作者：JSong 时间： . . 评分卡可以用来预测客户的好坏。当一个评分卡已经构建完成，并且有一组个人分数和其对应的好坏状态的数据时，我们想知道所构建的评分卡是否可靠 可靠程度如何 而这取决于如何去定义这个 好 字。一般有三种角度可以来评估： 评分卡分类划分的准确程度，如错误率 准确率 召回率 F 评分卡的判别能力，评估评分卡将好人和坏人分离开的程度，如KS统计量 ROC曲线 GINI系数 评分 ...
2018-01-14 20:30 0 5620 推荐指数：
相关推荐
IMDB情感分类学习
需要学习链接： 使用pandas做预处理，https://blog.csdn.net/mpk_no1/article/details/71698725 https://www.jianshu.com/p/8d3f929c9444 1.想法： 1.首先是要读取数据集，建立字典，将word转为 ...
文本分类学习 （五） 机器学习SVM的前奏-特征提取（卡方检验续集）
前言： 上一篇比较详细的介绍了卡方检验和卡方分布。这篇我们就实际操刀，找到一些训练集，正所谓纸上得来终觉浅，绝知此事要躬行。然而我在躬行的时候，发现了卡方检验对于文本分类来说应该把公式再变形一般，那样就完美了。 目录： 文本分类学习（一）开篇 文本分类学习（二）文本表示 ...
文本分类学习 （八）SVM 入门之线性分类器
SVM 和线性分类器是分不开的。因为SVM的核心：高维空间中，在线性可分（如果线性不可分那么就使用核函数转换为更高维从而变的线性可分）的数据集中寻找一个最优的超平面将数据集分隔开来。 所以要理解SVM首先要明白的就是线性可分和线性分类器。 可以先解释这张图，通过这张图就可以了解线性 ...
文本分类学习（二）文本表示
接着上一篇。在正式的尝试使用文本分类算法分类文本的时候，我们得先准备两件事情: 一，准备适量的训练文本；二，选择合适的方法将这些训练文本进行表示（也就是将文本换一种方式表示） 大家都知道文本其实就是很多词组成的文章啊。所以很自然的就想到用一系列词来表示文本。比如我这篇文章，将其分词之后 ...
文本分类学习（六） AdaBoost和SVM
直接从特征提取，跳到了BoostSVM，是因为自己一直在写程序，分析垃圾文本，和思考文本分类用于识别垃圾文本的短处。自己学习文本分类就是为了识别垃圾文本。 中间的博客待自己研究透彻后再补上吧。 因为获取垃圾文本的时候，发现垃圾文本不是简单的垃圾文本，它们具有多个特性： 1. 种类繁多 ...
评分卡系列（二）：特征工程
导入数据，这里我将逾期15天以上的都当作正类 1、评分卡简介 在进行下一步操作之前，我们先来解 ...
机器学习之多分类学习
一、问题描述 现实中常遇到多分类学习任务，有些二分类学习方法可直接推广到多分类，但在更多情况下，我们是基于一些基本策略，利用二分类学习器来解决多分类问题。 假设有N个类别C1，C2,......，CN，多分类学习的基本思路是“拆解法”，即将多分类任务拆分为若干个二分类任务 ...