Liblinear如何使用它

Question

我在机器学习和文本挖掘方面相当新。它引起了我的注意，出现了一个名为Liblinear的红宝书库https://github.com/tomz/liblinear-ruby-swig。

我到目前为止想做的事情是训练软件，以确定文本是否提及任何与自行车相关的事情。

有人可以强调我应该遵循的步骤（即：预处理文本和如何），共享资源，理想情况下共享一个简单的示例让我走。

任何帮助将做，谢谢！

Answer 1

最经典的方法是：

1. 收集输入文本的有代表性的样品，每一个标记为相关/无关。
2. 将样本分成训练集和测试集。
3. 提取培训集所有文档中的所有术语;称之为词汇表，V。
4. 对于训练集中的每个文档，将其转换为布尔值的矢量，其中'th元素为真/ 1，如果该词汇表中的词语出现在文档中。
5. 将矢量化训练集提供给学习算法。

现在，要对文档进行分类，请按照步骤4对其进行分类，并将其馈送到分类器以获取相关/不相关的标签。将它与实际标签进行比较，看它是否正确。用这种简单的方法你应该能够获得至少80％的准确度。

要改进此方法，请使用文档长度规范化的术语计数替换布尔值，或者更好的方法是将tf-idf分数更正。