【发布时间】:2018-03-29 19:19:49
【问题描述】:
我有一个正在执行分类的自然语言数据集。
tf-idf 模型的性能始终优于卷积神经网络模型。
我已经进行了很多超参数调优,但 tf-idf 模型的性能仍然更好。
事实上,tf-idf 模型的性能也优于 XGBoost 模型。
我们可以肯定地说,在某些情况下,基本和原始机器学习模型的性能优于深度学习模型吗?
【问题讨论】:
-
您的数据大小是多少?课程数量?
-
@vumaasha 我的数据包含大约 85000 多个文档和 16 个类。
-
您能否就性能差异多少给出一些想法?显示一些代码也可能会有所帮助。这也可能是由于预处理中的错误,例如
-
准确度:基于 Tf-Idf 的逻辑回归:70.59%,XGBoost:68.22%,CNN:65.88% 准确度是在通用验证集上获得的。
-
我怀疑这可能是您生成 TF-IDF 向量的方式中的错误。你用的是sklearn吗?您是否一次性在整个数据集上构建 TF-IDF
标签: machine-learning deep-learning conv-neural-network tf-idf