为标签预测项目提取特征

Question

我正在考虑做一个项目，在python中进行堆栈交换问题的关键字提取。我有一个来自kaggle.com的输入数据，它有id，title，body和用于训练的标签。我正在考虑实现一些机器学习算法，如支持向量机，神经网络等来训练分类器。问题是，对于这些算法的输入，我们需要特征。我不知道如何从这些算法的输入中提取特征，因为我以前从未从段落中提取过特征。任何帮助都将不胜感激。

Answer 1

特征选择是至关重要的，它为你的problem.Good提供了特征相关性的信息在Sergios Theodoridis和Konstantinos Koutroumbas的书中给出了模式识别的理论解释。我找到了这个简单的代码示例

# Feature Importance
from sklearn import datasets
from sklearn import metrics
from sklearn.ensemble import ExtraTreesClassifier
# load the iris datasets
dataset = datasets.load_iris()
# fit an Extra Trees model to the data
model = ExtraTreesClassifier()
model.fit(dataset.data, dataset.target)
# display the relative importance of each attribute
print(model.feature_importances_)

结果

0.1087327   0.06409384  0.32304493  0.50412853

您可以阅读更多[http://machinelearningmastery.com/feature-selection-in-python-with-scikit-learn/],with示例。

Answer 2

许多关键词提取算法都是基于经典的统计技术(包括图形模型)。流行的功能主要是基于频率的。也存在一些对单词进行排序的算法。要进一步研究，请考虑这篇论文：

http://www.hlt.utdallas.edu/~saidul/acl14.pdf