我正在尝试解决NLP多标签分类问题。我有大量的文件应该分为29类。
我解决这个问题的方法是，在清理文本后，停止删除单词，标记等等，就是执行以下操作：
为了创建特征矩阵，我查看了每个文档的术语的频率分布，然后我创建了这些术语的表格（删除了重复的术语），然后我计算了相应文本中每个单词的术语频率（tf） 。所以，最终我在每个文档中最终得到了大约1000个术语及其受尊重的频率。
然后我使用selectKbest将它们缩小到490左右。在缩放它们之后，我使用OneVsRestClassifier（SVC）进行分类。
我在F1 score周围得到一个0.58，但它根本没有改善，我需要得到0.62。
我正确处理问题了吗？
我需要使用tfidf vectorizer而不是tf，以及如何使用？
我对NLP很新，我不确定下一步该怎么做以及如何提高分数。
这个主题的任何帮助都是无价的。
谢谢
Tf方法可以重视常用词而不是必要而是使用Tfidf方法，该方法重视数据集中特定文档中罕见且独特的单词。
在选择Kbest之前，先在整个功能集上进行训练，然后使用特征重要性来获得最佳功能。
您也可以尝试使用Tree Classifiers或XGB更好的模型，但SVC也是非常好的分类器。
尝试使用Naive Bayes作为f1 score的最低标准，并尝试在grid search的帮助下改善其他分类器的结果。