我正在尝试从文本数据构建预测模型。我从文本数据（unigram和bigram）构建了文档术语矩阵，并在其上构建了不同类型的模型（如svm，随机森林，最近邻居等）。所有技术都给出了不错的结果，但我希望改进结果。我尝试通过更改参数来调整模型，但这似乎并没有提高性能。对我来说可能的后续步骤是什么？
答案 0 :(得分：1)
这不是一个编程问题，但无论如何：
如果你的目标是预测，而不是文本分类，通常的方法是退避模型（Katz Backoff）和插值/平滑，例如， Kneser-Ney smoothing。
像Random Forests这样的更复杂的模型是非常必要的AFAIK，如果你需要快速做出预测，可能会出现问题。如果使用插值模型，仍然可以使用数据的保持部分调整模型参数（lambda）。
最后，我同意阅读部分的NEO，并推荐Jurafsky和Martin的“语音和语言处理”。