文本分类 -- 追根究底

特征提取 样本如何量化     在对文本进行分类之前，首先要在文本里面找到特征，特征是什么呢，通常会凭着业务直觉加以选择，比如说要找垃圾邮件，根据我对垃圾邮件的认识，可能出现了一些特别的词就是垃圾邮件，比如“代考”、“淘宝”这些很可能是垃圾邮件，正常的邮件很少出现这些词，当然这些特征合不合理，需要通过数据的粗分析才能决定，选择好特征之后可以加上权重，就是说使用一个数值来描述特征强烈的程度，以及跟其

>>阅读原文<<