需要一些关于我的 SVM 功能改进的建议

Question

我在 SVM 上训练了一个系统，系统给出了一个问题，该网页是否适合回答这个问题。

我选择的特征是“网页中的词频”，“词是否与网页标题匹配”，“网页中的图像数量”，“网页的长度”，“它是维基百科页面吗？”， "该网页在搜索引擎返回的列表中的位置"。

目前，我的系统将保持在 0.4 左右的精度和 1 的召回率。它有很大一部分误报错误（许多坏链接被我的分类器归类为好链接）。

由于准确性可以提高一点，我想在这里寻求一些帮助，以考虑改进我选择用于训练/测试的功能，可以删除一些或添加更多。

提前致谢。

Answer 1

嗯……

• 您的训练集有多大？即，您使用了多少培训文档？
• 您的测试集由什么组成？
• 由于您获得的 FP 太多，我会尝试使用更多（和不同的）“糟糕”网页进行训练
• 您能否详细说明您的不同功能，例如“网页中的 tf”等？