我已经为多类文本分类构建了一个随机森林。该模型返回的准确率为 75%。有 6 个标签，但在 6 个类别中，只有 3 个被分类，其余的未分类。如果有人能让我知道出了什么问题，我将不胜感激。
以下是我遵循的步骤。
数据准备
创建一个用于描述的词向量。
使用词向量构建语料库。
预处理任务，例如删除数字、空格、
停用词和转换为小写。- 构建文档术语矩阵 (dtm)。
从上面的 dtm 中删除稀疏的单词。
上述步骤导致计数频率矩阵显示每个单词在其对应列中的频率。
将计数频率矩阵转换为二进制实例矩阵，它将文档中单词的出现次数显示为 0 或 1，1 表示存在，0 表示不存在。
- 将原始数据集中的标签列附加到转换后的 dtm。标签列有 6 个标签。
建筑模型
- 随机采样 dtm 并将其拆分为训练集和测试集。
- 使用 7 折交叉验证构建随机森林的基础模型。
检查模型在训练集和测试集上的准确性。
我正在分享结果的链接（如果这里允许的话）。