我必须构建一个ML模型，以将句子分为不同的类别。我有一个具有2列（句子和标签）和350行的数据集，即形状为（350，2）。为了将句子转换为数字表示形式，我使用了TfIdf向量化技术，因此转换后的数据集现在具有452列（使用TfIdf获得了451列，其中1为标签），即形状为（350，452）。一般而言，我拥有的数据集比训练样本具有更多的功能。在这种情况下，最佳的分类算法是什么？ Logistic回归，SVM（还是哪种内核？），神经网络（还是哪种体系结构？），朴素的贝叶斯算法还是其他算法？
如果将来我得到更多的训练样本（但列数没有增加太多），例如形状为（10000，750），该怎么办？
编辑：这些句子实际上是银行对帐单的旁白。我大约有10到15个标签，所有这些标签都是我手动标记的。例如。税收，银行手续费，贷款等。将来，我确实计划获得更多对帐单，并且我还将给它们加上标签。我相信我最终最多只能拥有约20个标签。
答案 0 :(得分：0)
通过这么小的培训，我认为您只有获得一些经过预先培训的语言模型（例如GPT-2）并根据您的问题进行微调，才能获得任何合理的结果。即使对于更大的数据集，这仍然可能是正确的，即使您从头开始训练自己的神经网络，神经网络也可能仍然是最好的。顺便说一句，你有几个标签？这些是什么样的标签？