提高多标签文本分类的准确性

Question

我正在尝试做一个多标签文本分类问题，该问题使我停留在一定的准确性得分上，而无法提高准确性。

因此在多标签分类中，我有35个类别（类）和192个子类别（类），到目前为止，我已经尝试过：

1. 预处理：替换紧缩结构，降低弦线，删除标点符号，对数据进行去词素化，基于数据创建一些自定义正则表达式，运行拼写检查器并改善拼写错误。

2. TfidfVectorization：我还尝试了tfidf矩阵中值的各种组合，例如使用双字母组和三字母组合会提高我的准确性。

3. 尝试了许多分类器（到目前为止，LinearSVC表现最好），例如RandomForest，Logistic回归，LinearSVC，XtraTreeClassifier，MultinomialNB，XGBoost等。

4. 还在几乎所有分类器上应用了GridSearchCV和RandomizedSearchCV。

现在，根据实际数据运行基本的LinearSVC分类器而无需​​进行任何自定义的预处理，我的匹配度从45％降至57％。

我有点卡在这里，无法考虑任何解决方案来提高准确性。我的目标是达到70％的完全匹配准确度

我的矢量化器和参数如下：

classifier = Pipeline([
    ('tfidf', TfidfVectorizer(analyzer='word',ngram_range=(1, 3),sublinear_tf =True,max_features=100000)),
    ('clf', OneVsRestClassifier(LinearSVC(dual=False,multi_class='crammer_singer', max_iter = 1000)))]) ## Creating a pipeline to chain & perform feature engineering and Modelling

我已经达到了57％的精确比赛准确性，但是我的目标是达到70％ 了解如何才能更有效地提高准确性会有所帮助。