使用sklearn做文本分類，速度比較慢，有什么優(yōu)化方法？首先，我想你可以打印出每一步的時(shí)間，看看哪一步需要更多的時(shí)間，并嘗試找到優(yōu)化方法。讓我先談?wù)勎蚁氲降膸c(diǎn)。在sklearn的一些分類方法中，您

使用sklearn做文本分類，速度比較慢，有什么優(yōu)化方法？

首先，我想你可以打印出每一步的時(shí)間，看看哪一步需要更多的時(shí)間，并嘗試找到優(yōu)化方法。讓我先談?wù)勎蚁氲降膸c(diǎn)。

在sklearn的一些分類方法中，您還可以嘗試在其參數(shù)中使用multi-process選項(xiàng)。

如果您的培訓(xùn)數(shù)據(jù)很大，請先嘗試LSA、LDA和其他模型來降低維度。這兩種方法在sklearn中也可用。

此外，在countvectorizer中，設(shè)置mintf和maxtf參數(shù)以避免過多的字。雖然這可能對速度影響很小，但可能會(huì)對結(jié)果產(chǎn)生影響。

如果你在處理中文文本，必須有一個(gè)好的停止詞和字典。

暫時(shí)就這么多了。

找個(gè)咨詢關(guān)于機(jī)器學(xué)習(xí)算法分類的幾個(gè)問題？

小數(shù)據(jù)集不適合神經(jīng)網(wǎng)絡(luò)，因?yàn)閿?shù)據(jù)集太小，很難訓(xùn)練出理想的結(jié)果。對于小數(shù)據(jù)集，可以嘗試使用傳統(tǒng)的機(jī)器學(xué)習(xí)算法，如支持向量機(jī)、決策樹等。只要數(shù)據(jù)集的特征差異明顯，就很容易學(xué)習(xí)到合適的模型。