machine-learning - 解释分类模型结果
问题描述
我一直在研究文本分类问题很长一段时间,我在解释结果和下一步去哪里时遇到了问题。
我一直在研究推文,试图对它们是否暴力进行分类。
结果是
对于大小为 1763(pos:214,neg:1549)的数据集,训练为 1234(pos:152,neg:1082)和测试集 529(pos:62,neg:469)
带有 BOW 特征的测试集的 AUC 分数 SVM:0.69 LR:0.67 1 层 NN:0.69
我无法解释问题是否在于拥有数据或更改模型。我认为由于不同的模型给出了相似的结果,这意味着我需要更多质量更好的数据和更多积极的例子。
我也不知道接下来该怎么办。
谢谢,
解决方案
如果您在解释结果时遇到问题,您可以尝试不同的指标来评估分类的质量。例如,您可以尝试准确度、精确度、召回率和 f1 分数。在解释结果并确定您想要关注的指标之后,您可以探索不同的策略来改进它 - 例如,添加更多数据、执行超参数调整和/或尝试不同的模型。本书章节讨论文本分类评估并可能对您有所帮助:文本分类评估。谢谢
推荐阅读
- spring - JPA EntityManagerHolder cannot be cast to Hibernate SessionHolder with Spring 5.1 and Hibernate 5.3
- php - PHP - curl - 如何创建 API 源以使用 CURLOPT_USERPWD 函数
- shell - 计算参数
- racket - Requiring a module using its path from the project's root?
- ruby-on-rails - 如何验证 Rails 模型中的坐标?
- laravel - 将查询字符串添加到具有可选参数的 laravel 5 路由
- jquery - 防止整页缩放
- c# - ExpectModal 没有以空标题唤醒
- excel - 反转范围的行
- android - Android Material Design TextInputLayout - 我如何聚焦并调用onClick监听器,但不应该出现键盘