weka - 在 weka 的 StringToWordVector 过滤器中保留属性的单词

Question

Weka StringToWord过滤器中保留属性的单词是什么意思。为了获得真正的结果，是否具有更高的价值更好？

Answer 1

一般来说，最好将限制设置得尽可能高，以便保留尽可能多的单词。频率较低的词可以稍微帮助您稍后诱导的分类器。

保留过多的单词可能看起来不利于效率 - 属性数量越多，学习模型所需的时间就越长。AttributeSelection但是，您可以使用带有Ranker函数和InfoGainAttributeEval度量的过滤器过滤单词以保留最具预测性的单词。事实上，您可以使用 AttrivuteSelection 过滤器中的阈值，以便保留相对较少数量的非常具有预测性的词，而它们的相对频率独立。

此外，不要忘记将标志设置doNotOperatePerClassBasis为 true 以保持所有单词与所有类相关。