machine-learning - 在 Weka 中处理字符串数据和分类

Question

我有一个数据集，它由一对字符串和它所属的类组成。字符串是一个句子。班级可以是“男性”或“女性”。一个例子 -

'你好！我叫杰克，男

我将其用作训练集，因此，给定一组不同的字符串，它可以分类该语句是来自男性还是女性。我正在使用 WEKA 的stringtowordvector将字符串转换为包含该字符串中单词数的向量。使用结果 arff 我希望它生成一个预测算法（决策树？），我可以在未分类的数据集上使用它。我该怎么做？我应该使用哪个分类器？在这种情况下，还有哪些其他预处理技术会有所帮助？

Answer 1

Weka 主页上的 Simple Message Classifier 示例（代码和wiki）示例，或者Text Categorization Wiki可能是一个很好的起点。

几乎任何线性分类器都是一个很好的起点。我建议将逻辑回归或支持向量机作为一个很好的起点。