在python中根据电子邮件主题和正文进行多分类

Question

我的数据集如下。

​

​

主题栏是指邮件Subject和问题描述，问题详情栏是指邮件正文。

基于主题和电子邮件正文关键字，我需要对它应该属于哪个队列进行分类。

前面的队列列由25+不同的类别组成。

我的数据帧形状是(60697，4)。

请建议我需要遵循的分类方法。我需要使用哪些ML模型来训练数据和测试数据。

我知道一点使用自然语言标记化的概念。

分类更像gmail收件箱分类:主要分类、社交分类和促销分类。但是，在这里我必须将其归类为25+。

Answer 1

我会尝试以下方法：

1. 使用CountVectorizer或TfidfVectorizer向量化您的主题和电子邮件正文，因此您将拥有您的X矩阵。您可能想要测试不同的ngram_range，以便提高类的预测性，因此每个类都应该有一个整数-这将是您的y向量，并使用<代码>D17和<代码>D21和<代码>D22...<代码>H223<代码>G224将
2. X拆分为X_train和X_test，并将y拆分为y_train和LogisticRegression模型。

Answer 2

你可以试一试FastText。这里有一个tutorial的链接。

Fasttext在监督分类的上下文中使用word embeddings的概念。使用快速文本的主要优点是，它的速度正如它的名字所说的那样快。它可以很容易地处理1000+类别/标签。