对于某些文本处理项目,我们需要在支持向量机和快速人工神经网络之间做出选择。
它包括上下文拼写纠正,然后将文本标记为某些短语及其同义词。
哪种方法才是正确的?或者有没有比 FANN 和 SVM 更合适的替代方案?
我认为您将从这两种算法中获得有竞争力的结果,因此您应该汇总结果......考虑集成学习。
Update:
我不知道这是否足够具体:使用贝叶斯最优分类器来组合每个算法的预测。您必须训练两种算法,然后必须训练贝叶斯最优分类器以使用您的算法并根据算法的输入做出最佳预测。
将训练数据分成 3 部分:
- 第一个数据集将用于训练(人工)神经网络和支持向量机。
- 第二个数据集将用于通过从 ANN 和 SVM 获取原始预测来训练贝叶斯最优分类器。
- 第三个数据集将是您的资格数据集,您将在其中测试经过训练的贝叶斯最佳分类器。
更新2.0:
创建算法集合的另一种方法是使用10 倍(或更一般地,k 倍)交叉验证 http://www.cs.cmu.edu/~schneide/tut5/node42.html:
- 将数据分成 10 组,大小为 n/10。
- 在 9 个数据集上进行训练并在 1 个数据集上进行测试。
- 重复 10 次并取平均准确度。
请记住,您通常可以组合许多分类器和验证方法,以产生更好的结果。这只是找到最适合您的域的问题。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)