解读分类报告

Question

我一直致力于使用 150 个文档（100 个训练和 50 个测试）实施 KEA 监督的关键短语提取方法。结果让我有点困惑。这是我的分类报告：

           precision    recall  f1-score   support

      0       0.97      1.00      0.98     29118
      1       0.00      0.00      0.00       951

avg / total       0.94      0.97      0.95     30069

我解释说 1 从未被预测过。你认为这是我没有足够的训练数据的情况吗？

Answer 1

问题不在于你有足够的训练数据一般，而是具体来说没有足够的样本用于第 1 类。
从本质上讲，有几种方法可以解决这个问题：

• 尝试增加案例 1 的样本数量：最明显的答案也可能不现实，因为那时您可能会首先使用更多的训练数据。但也有相关的方法，即
• 数据增强：我不熟悉具体的算法，所以我不能说它是多么容易，但你可以在你的例子中添加一些形式的排列，仍然保持意义（即代表同一类），但差异足以作为“另一个训练样本”。
  
• 加权类：根据您的学习算法的具体情况，您通常还可以指定某种形式的类权重，这样您就可以更多地“惩罚”算法对您感兴趣的类进行错误分类。

一般来说，这是一项非常艰巨的任务，您不太可能会突然获得非常好的结果，但这些肯定会有助于改善您的案例，并帮助您更好地了解您的具体案例中出了什么问题. 另请注意，您添加的有关您的文档、培训程序等的信息越多（它可能是您正在使用的实施的参考/链接），您获得合适答案的可能性就越大。