文本分類 -- 追根究底

特徵提取 樣本如何量化     在對文本進行分類之前，首先要在文本里面找到特徵，特徵是什麼呢，通常會憑着業務直覺加以選擇，比如說要找垃圾郵件，根據我對垃圾郵件的認識，可能出現了一些特別的詞就是垃圾郵件，比如「代考」、「淘寶」這些很可能是垃圾郵件，正常的郵件很少出現這些詞，當然這些特徵合不合理，需要通過數據的粗分析才能決定，選擇好特徵之後可以加上權重，就是說使用一個數值來描述特徵強烈的程度，以及跟其

>>阅读原文<<