如何對未標記的數據進行分類？

Question

我是機器學習的新手。 我正在嘗試建立一個將文本分類為具有url或沒有url的分類器。 數據未標記。 我只有文字數據。 我不知道該如何進行。 任何幫助或示例表示贊賞。

Answer 1

1. 您無法使用未標記的數據訓練分類器。 您需要標記的示例。 有一些服務可以為您貼上標簽，但是手工操作可能會更簡單（我想您每分鍾可以完成一次）。
2. 堆棧溢出用於編程； 例如，“ 交叉驗證”更適合該問題。 也許他們會比我有更好的建議。
3. 在為數據加標簽后，網絡上有很多關於此主題的信息-例如，如果您已經對此問題有所了解，那么此博客是一個不錯的起點。

祝好運！

Answer 2

由於是文本，因此可以使用bag of words技術創建矢量。

• 您可以使用cosine similarity來聚類普通類型的文本。

• 然后使用分類器，這取決於群集的數量。

• 這樣，您就可以得到帶有標簽的訓練集。

  • 如果您有兩個集群，則像邏輯回歸這樣的二進制分類器將起作用。
  • 如果您有多個類別，則需要基於多項邏輯回歸訓練模型
  • 或使用One vs Rest技術訓練多個邏輯模型。

• 最后，您可以使用k倍交叉驗證來測試模型。