分类文章的最佳分类器答案

【问题标题】：Best classifier for classifying articles分类文章的最佳分类器
【发布时间】：2017-10-11 14:09:04
【问题描述】：

我目前正在使用 scikit-learn 对新闻文章进行分类，我想知道应该使用哪个分类器。我有带有标签数据的训练集，这使得这是一个监督学习问题，并且一篇文章可以属于多个类别（比如金融和政治），这使得它成为一个多标签 场景。

我目前使用CountVectorizer 进行预处理，然后使用带有 MultiOutputClassifier 的 Linear SVC 来构建模型。我按照这里http://scikit-learn.org/stable/tutorial/machine_learning_map/index.html的流程图使用LinearSVC。

classifier = MultiOutputClassifier(LinearSVC())

但我不确定我的用例是否有更好的算法。我的方法有什么 cmets 吗？

【问题讨论】：

use scikit-learn to classify into multiple categories的可能重复
试试tf-idf 和随机森林。
@mohammad 我知道这个问题，但这个问题甚至无法让事情正常工作。就我而言，我已经获得了多标签，但我只是想知道在我的用例中什么是更好的分类器。在您标记的问题中，根本没有关于使用哪个分类器的辩论，这就是我正在寻找的。span>
@polkovnikov.ph tf-idf 只是一个变压器，对吗？顺便说一句，如果我要使用随机森林，我还需要将 LinearSVC 作为元估计器传递吗？

【解决方案1】：

尝试 scikit-learn 中的 sgdClassifier，它可以为您提供更多模型构建选项，而且它比 LinearSVM 更快。

您应该使用 OneVsRestclassifier 而不是 multiOutputClassifier，因为您正在寻找多标签输出。

【讨论】：