基于逻辑回归的文本分类

Question

我计划对电子邮件进行分类。我正在使用tfidf向量器和逻辑回归算法来做这件事。我接受了非常小的训练和测试集。我的训练集由150封电子邮件组成(3个类，50封电子邮件/班)，测试集由6封电子邮件组成。现在我的分类器正确地预测了6个中的4个。现在我的疑问是，我可以告诉分类器这个文档属于类X而不是类Y吗？如果是，这个过程叫什么？

谢谢。

Answer 1

如果你有3个类别和标记的数据，并且已经训练了模型，那么你已经“告诉了分类器”你可以(即训练)的一切。

如果你说你想告诉分类器关于2/6失败的测试用例，那么你不可能使用Logistic回归(也许是其他的反馈模型？)。您需要的是更多地训练模型，或者添加更多的测试用例。您可以将这两个失败的案例添加到训练中，并尝试不同的测试数据。

你可能有一个不适合的模型，你可以试着调优，但通过我用与你相似的文本所做的实验，很难在有限的数据和tf-idf中获得真正高的精度，因为“模型”只是词频。