我应该如何在神经网络中建立训练集？

Question

我有一种愚蠢的困惑，但很困扰我。我必须制作一个用于垃圾邮件检测的ANN。到目前为止，我已经开发了用于开发邮件的tfidf向量并分别计算该矩阵的PCA的模块。 问题是我的邮件是直接从收件箱中读取的。 对于培训，我希望使用我的垃圾邮件箱，然后使用相同的类来开发未读邮件的向量。如何将它们标记为垃圾邮件？

我应该开发类似的东西

   HashMap<HashMap<String,Double>,Integer> trainingSet;

第一个参数是通过PCA以尺寸方式减少的mailVector，而Integer是非垃圾邮件的标签1-Spam和0，然后将向量写入文件并从中读取？ 或者我宁愿让我的代码变得灵活，而不是直接从收件箱直接读取，它应该从已经存在的一组火腿和垃圾邮件在线阅读，然后将它们建模为邮件对象[我有一个MailMessage类定义成员类似主题邮件的正文，邮件向量等，然后用它来构建术语索引，最后是矢量]，形成向量然后形成训练集，之后训练后我可以让它们读取我的收件箱吗？

任何见解都将受到赞赏！

Answer 1

我会诚实地对待你。坦率地说，英语中没有那么多单词。如果你有一个非常大的输入向量（比如成千上万），你可能会有最有效的表现。事实上，你甚至可以在没有隐藏层的情况下购买。

对于图像识别等，具有数千个点的输入矢量并不罕见。