【问题标题】：I want to implement a machine learning or deep learning model for text classification (100 classes)我想为文本分类实现机器学习或深度学习模型（100 类）
【发布时间】：2020-03-18 07:42:45
【问题描述】：
我有一个数据集，类似于我们拥有电影情节及其类型的数据集。类的数量在 100 个左右。对于这 100 个类的分类，我应该选择什么算法？分类是多标签的，因为一部电影可以有多种类型
请从以下推荐任何人。如果您愿意，您可以随意推荐任何其他型号。
1.Naive Bayesian
2.Neural networks
3.SVM
4.Random forest
5.k nearest neighbours
如果你在python中也提供必要的库会很有用
【问题讨论】：
标签：
python
machine-learning
text-classification
multilabel-classification
【解决方案1】：
机器学习工程的一个重要步骤是正确检查数据。 Herby 你会得到一些洞察力来决定选择什么算法。有时，您可能会尝试不止一种算法并比较模型，以确保您在数据上尽了最大努力。
由于您没有透露您的数据，我只能给您以下建议：如果您的数据“简单”，即您只需要很少的特征和它们的轻微组合即可解决任务，请使用朴素贝叶斯或k-最近邻。如果您的数据“中等”难度，则使用随机森林或 SVM。如果解决任务需要一个非常复杂的决策边界，以非线性方式组合特征的许多维度，请选择神经网络架构。
我建议您将 python 和 scikit-learn 包用于 SVM 或随机森林或 k-NN。
对于神经网络，请使用 keras。
很抱歉，我无法为您提供解决问题的方法。您提出的问题非常广泛。