我目前正在与CHILDES语料库合作，尝试创建一个分类器，以区分患有特定语言障碍（SLI）的儿童与正常发展的人（TD）。
在我的阅读中，我注意到确实没有一套令人信服的功能可以区分已经发现的两个，所以我想到了一个疯狂的想法，试图创建一个可能会创造出更好的功能的特征学习算法
这可能吗？如果是这样，你怎么建议我接近这个？从我所做的阅读中，大多数特征学习都是在图像处理上完成的。另一个问题是，我所拥有的数据集可能太小而无法使其工作（在100年代），除非我找到了从儿童那里获得更多成绩单的方法。
答案 0 :(得分：2)
创建一个由包含三个标签的子文本组成的数据集： 1-正常 2- SLI 3- TD
所以你将有3个标签。
您将40％的数据集放在20％用于开发，20％用于测试。
然后使用字符n-gram特征包运行LogisticRegression分类器（例如使用scikit-learn）。您可以通过scikit-learn中的TfidfVectorizer轻松完成此任务。
然后在60％训练集上训练模型，并通过选择性能最佳的开发模型来调整超参数（例如正则化强度）。
然后，您使用所选的超参数再次训练，并获得最重要的功能，如example。
对于每个课程，它会为您提供与每个标签相关的功能的权重，这样您就可以对两种疾病中的每种疾病产生最重要的语言症状。