问题标签 [classification]

我有一个数据集，其中包含年龄、城市、儿童年龄等信息以及结果（确认、接受）。

为了帮助对“工作流程”进行建模，我想根据以前的数据集自动创建一个决策树。

我看了一下http://en.wikipedia.org/wiki/Decision_tree_learning，我知道问题显然并不明显。

我只想就这个主题的一些算法或一些库提供建议，这些建议可以帮助我构建基于样本的决策树。

我需要某种 Java 解决方案来满足以下要求：

1. 在文本中搜索某些术语（每个术语可以是 1-3 个单词）。例如：{“你好世界”，“你好”}。匹配需要准确。
2. 大约有 500 种术语组，每个组包含大约 30 个术语。
3. 每个文本最多可包含 4000 个单词。

性能是一个重要问题。

谢谢， 罗德

给定四个表示“类”的二进制向量：

哪些方法可用于将浮点值向量分类为这些“类”之一？

在大多数情况下，基本舍入有效：

但是我该如何处理一些干扰呢？

第二种情况应该更适合 1000000000，但相反，由于没有明确的匹配，我完全失去了解决方案。

我想使用 MATLAB 来完成这项任务。

潜在语义索引 (LSI) 是一种统计分类算法吗？为什么或者为什么不？

基本上，我试图弄清楚为什么统计分类的维基百科页面没有提到 LSI。我刚刚开始研究这些东西，我试图了解所有不同的分类方法是如何相互关联的。

你知道那里有什么好的 c++ svm 库吗？

我也听说过SVMLight和TinySVM。你试过了吗？有新玩家吗？

谢谢 ！

我有大量的字符串（多字）列表（200000）。我想根据这些字符串之间的单词匹配的comman数组对这些字符串进行分组。我想不出一个低计算时间的算法

“ AB 500 ”
“巴士AB 500 ”
“新闻 CA ”
“新闻 CA BLAH”

我的计划是
一个。将它们标记为单词。
湾。创建一个全局数组令牌
c. 将这些字符串与常见标记进行比较。

正如您所猜测的那样，这无济于事。你能为此建议一个算法吗？我正在用python写这个..

我正在使用 Weka 的资源管理器功能进行分类。

所以我有我的 .arff 文件，具有 NUMERIC 值的 2 个特征，我的类是二进制 0 或 1（例如 {0,1}）。

样本：

我加载这个 .arff 文件，使用 10 倍交叉验证（无测试文件），然后选择 NaiveBayes，然后我对数据进行分类，它给了我：5 个错误标记，100 个正确标记。到现在为止还挺好。

现在，我显着更改了我的 .arff 文件（为我的特征属性提供完全随机的值）。重复上述操作，我在分类时得到完全相同的统计数据。

我尝试对我的 .arff 文件进行更多更改，使用不同的分类算法。尽管如此，无论我给我的 .arff 文件赋予什么值，完全相同的统计数据（在相同的算法中）。

我在这里做错了吗？

我想编写一个将 url 分类为恶意和良性的 java 应用程序。即，当用户在地址栏中键入一个 url 时，我的程序应该读取该 url ，对其进行分类，如果它是恶意的，则将其阻止。用户输入后，如何从浏览器的地址栏中读取 url..

请帮忙..

谢谢

我想编写一个在线应用程序：

1. 从浏览器地址栏读取 URL
2. 提取其词汇特征（如 n-gram）
3. 提取其基于主机的特征（在线获取 DNS 记录、其 A、PTR、TTL 字段）
4. 将 URL 分类为恶意或良性（使用机器学习）

谁能帮我解决1和3？

当然，我尝试过 Google/Bing 并找到了针对特定行业的一两个分类，但没有什么通用的。我正在寻找的东西是：General Office Tools -> Wordprocessing -> Word Utilities -> File Management -> Compression -> Winzip

我所追求的是某个组织发布的标准，或者被我的多个不同方使用 - 而不仅仅是单个组织正在使用的分类。