ruby - Liblinear 如何使用它

总的来说，我对机器学习和文本挖掘还很陌生。我注意到一个名为 Liblinear https://github.com/tomz/liblinear-ruby-swig 的 ruby​​ 库的存在。

到目前为止，我想做的是训练软件识别文本是否提及与自行车相关的任何内容。

有人可以强调我应该遵循的步骤(即:预处理文本以及如何)，共享资源并最好共享一个简单的示例来帮助我前进。

任何帮助都可以，谢谢!

最佳答案

经典的方法是:

收集输入文本的代表性样本，每个样本都标记为相关/不相关。

将样本划分为训练集和测试集。

提取训练集所有文档中的所有词条；称之为词汇表，V.

对于训练集中的每个文档，将其转换为 bool 值向量，其中第 i 个元素为 true/1，如果词汇表中的第 i 个术语出现在文档中。

将矢量化训练集提供给学习算法。

现在，要对文档进行分类，请按照步骤 4 对其进行矢量化，并将其提供给分类器以获得相关/不相关的标签。将此与实际标签进行比较，看看它是否正确。使用这种简单的方法，您应该能够获得至少 80% 的准确率。

为了改进这个方法，用术语计数替换 bool 值，按文档长度标准化，或者更好的是，tf-idf 分数。

关于ruby - Liblinear 如何使用它，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/6116718/