如何让 OneClassSVM 模型更准确？ (Scikit-学习)

Question

我一直在尝试使用该作者撰写的多篇文本对作者进行分类，然后我将使用这些文本在其他文本中找到相似之处，以在测试组中识别该作者。

我已经成功进行了一些预测，但是我仍然得到了无法预测作者的结果。

我已经预先对文本进行了预处理，包括词干、标记、停用词、删除标点符号等，以使其更准确。

我不熟悉 OneClassSVM 参数的工作原理。我可以使用哪些参数来最适合我的问题？如何让我的模型在预测中更加准确？

这是我目前所拥有的：

vectorizer = TfidfVectorizer()

author_corpus = self.pre_process(author_corpus)
test_corpus = self.pre_process(test_corpus)

train = author_corpus
test = test_corpus

train_vectors = vectorizer.fit_transform(train)

test_vectors = vectorizer.transform(test)

model = OneClassSVM(kernel='linear', gamma='auto', nu=0.01)

model.fit(train_vectors)

test_predictions = model.predict(test_vectors)

print(test_predictions[:10])

print(model.score_samples(test_vectors)[:10])

Answer 1

我在 Coursera 上听到了关于 Andrew Ng 的深度学习课程的正面评价。我通过 edx 上的 Microsoft 人工智能专业认证了解了我对人工智能的所有了解。

Answer 2

您可以使用 SVM，但深度学习非常适合此用途。我参加了一场 Kaggle 比赛，对文档进行分类，这对我来说非常棒。

如果您认为自己的数据集不够大，您可能只想采用文本分类器模型并重新训练作者的最后一层，然后微调模型的其余部分。