对NLP或ML的建议

Question

我是机器学习的新手，拥有一个包含两列的数据集。第一个代表标题，第二个代表标签 - 0或1.标题和标签对应文本是指犯罪还是没有犯罪。例如：

两名学生在飓风哈维期间进行入店行窃以支持一个家庭，1 新墨西哥大学录取学生人数创纪录，0

我认为这是一个NLP问题，但我不知道如何开始。有人可以提供建议吗？

Answer 1

在这里，您可以在互联网上查看案例的一些基本关键字，以实现文本数据的机器学习：

1. 文字处理：

   • Lemmatizer
   • Stemming，
   • 停止删除字词...... =＆GT;您可以在Python中使用NLTK

2. Vectorizer（基本上将文本转换为数字）：

   • TFIDF
   • 一揽子话语
   • Word2Vec
   • 其他Word嵌入 =＆GT; NLTK，Python中的gensim

3. 对转换后的数据应用分类模型

   • 随机森林
   • SVM
   • ...
   • CNN + LSTM =＆GT; Scikit-Learn，Keras