【发布时间】：2012-12-16 21:40:18
【问题描述】：
我正在从事一个文档分类项目。我正在使用 tf-idf 和质心算法。但我需要一本字典，用于使用该算法。我曾尝试获取信息以获取字典，但我认为它还不够满意。你有什么比信息增益更好的特征选择算法的建议吗？
【问题讨论】：
标签： nlp information-retrieval text-mining tf-idf feature-selection
【发布时间】：2012-12-16 21:40:18
【问题描述】：
还值得指出的是，在许多情况下，特征选择不是必需的。只需使用所有单词，以及对大型特征空间具有鲁棒性的分类器（例如线性 SVM/L1 正则化逻辑回归）。要解决的问题少了一个，而且它是您需要明确证明不使用它的基准。
【讨论】：
-
我不同意这种评价。降维是一种在机器学习中开发更通用模型的技术，无论分类器的鲁棒性如何。此外，它还降低了运行模型等的计算成本。如果不是这样，那么也许我同意你的评论。
根据我的经验，没有最好的特征选择方法。对一个数据集运行良好的算法可能对其他数据集表现不佳，因此这主要是一个实验性问题。尝试一些，看看哪些适合您的问题设置。 George Forman已经发表了几篇关于这个主题的文章，有空的时候值得一读。
【讨论】：