文档分类的决策树

Question

您好我想知道是否可以使用决策树进行文档分类，如果是，那么数据表示应该如何？ 我知道R包party用于决策树。

Answer 1

一种方法是拥有一个巨大的矩阵，其中每一行都是一个文档，每一列都是一个单词。单元格中的值是该单词在该文档中显示的次数。

然后，如果您正在处理“监督学习”案例，您应该为分类器添加另一列，并且从那里您可以使用像“rpart”这样的命令（来自rpart包）来创建分类树。该命令将以与您对线性模型（lm）类似的方式输入rpart的公式。

如果需要，您还可以尝试先将单词分组为“单词组”，然后让每列属于不同的单词组，并使用数字表示文档中有多少单词属于该组。为此，我将看看“tm”包。 （如果你最终做了一些事情，请考虑在这里发布，所以我们可以从中学习）

最佳， 塔尔

Answer 2

本文对不同的文本分类技术及其准确性进行了调查。简而言之，您可以使用决策树对文本进行分类，但还有其他更好的算法。

Sebastiani，F。（2002）。自动文本分类中的机器学习。 ACM计算 调查，cs.IR/0110053v1。可从以下地址获取：http://arxiv.org/abs/cs.IR/0110053v1。

Answer 3

我对此表示怀疑 - 至少在通常定义的情况下，决策树使用单个标准来指定子分支。在对文档进行分类时，您很少会将大部分内容基于单一标准 - 您需要多个标准，即使这样，您也无法获得明确的树状决策，但“这比这更接近于此另一件事“有点结果。