二进制输出的文本分类

Question

我不是数据科学家，也不是数据科学/机器学习的新手。我的目标是预测某些文本是否属于特定类。我看起来很天真的海湾来分类不同类的文本，但在这里我只有一个类。最后，我想预测文本是否属于某个类（例如，如果文本的类型为technical，而不是文本是technical或political）。我只有积极的数据集（technical类型的所有文本）用于训练。

据我所知，Naive海湾将需要培训的正数据集和负数据集。不确定这是否是此处用于解决问题的最佳算法。如果有的话，想学习更好的方法。谢谢。

Answer 1

您有两种选择：

1. 您可以使用自动编码器，如下所示： 第1步：使用您拥有的正面数据进行训练 步骤2：使用错误计算作为分类器：向已在第一步中训练的自动编码器提供新数据，并将具有高错误的数据单元作为“异常”（在您的情况下不属于所需的文本类。）
2. 您还可以使用像k-means这样的聚类技术，在这种情况下，您需要花费更多时间在功能工程上（选择文本中最相关的功能）。