r - 我已经完成了 TF-IDF 并希望在插入符号包 [R] 中实现模型

Question

我已经实现了这个链接中解释的 TF-IDF 算法：https ://cran.r-project.org/web/packages/text2vec/vignettes/text-vectorization.html#tf-idf

所以，分类器是这样实现的：

glmnet_classifier = cv.glmnet(x = dtm_train_tfidf, y = train[['sentiment']], 
                              family = 'binomial', 
                              alpha = 1,
                              type.measure = "auc",
                              nfolds = NFOLDS,
                              thresh = 1e-3,
                              maxit = 1e3)

x 和 y 的类型是：

> typeof(dtm_train_tfidf)
[1] "S4"
> typeof(train$setiment)
[1] "integer"

如何使用不同的分类器，例如在“Caret”包中你会写：

model_svm<-train(x = dtm_train_tfidf, y = train[['sentiment']],method='svmRadial')

问题是这不起作用。有什么方法可以实现不同的分类器而不是 cv.glmnet 例如在 caret 包中？这个输入 x,y 和插入符号分类器之间是否有任何联系？如果没有，是否有像 cv.glmnet 这样的包可以处理这种类型的输入？

Answer 1

dtm是 CSC 格式的稀疏矩阵dgCMatrix。所以寻找可以将稀疏矩阵作为输入的包。或者您可以尝试应用降维（例如 LSA），然后将此密集矩阵馈送到caret.