文本分类——特征选择概述

内容提要 特征选择概述 常见模型 文档频率(DF) 卡方校验(CHI) 信息增益(IG) 互信息(MI) 特征选择概述   在向量空间模型中，文本能够选择字、词组、短语、甚至“概念”等多种元素表示。这些元素用来表征文本的性质，区别文本的属性，所以这些元素能够被称为文本的特征。在文本数据集上通常含有数万甚至数十万个不一样的词组，如此庞大的词组构成的向量规模惊人，计算机运算很是困难。进行特征选择，对文

>>阅读原文<<