我有一个包含 5 个类别的文本分类任务,问题是我的精度越来越差,这个警告可能是由于数据不平衡造成的(我不确定):
/usr/local/lib/python2.7/site-packages/sklearn/metrics/metrics.py:1771: UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 in labels with no predicted samples.
我想这个警告是因为数据聚集在 5 标签中而产生的。 如何修复此警告以及如何增加分类报告的结果?。我还尝试了使用以下超参数进行网格搜索:
Best parameters set:
clf__C: 0.1
vect__max_df: 0.25
vect__ngram_range: (1, 1)
vect__use_idf: True
Accuracy:
0.456923076923
但仍然得到不好的结果,有人可以帮我用 SVC 或其他模型来增加这个结果吗?。
请您参考如下方法:
您可以使用管道,然后还可以对 TfidifVectorizer 的参数以及 SVC 的 C 进行网格搜索,例如 n-gram 范围 (1, 1)、(1, 2) 或 (2, 2),可以设置不同的 max_df,与 CountVectorizer 进行比较,也可以尝试字符 n-gram(具有更高的 n-gram 范围)。
