如果下面有错误，请指出。
最近，我正在学习一些Sklearn的缩小和功能提取的特征，您可以参考以前的博客。在此之前也提到了该文本，可以将其编码为单词矢量，或者在“重量矢量”中或IT可以用作哈希向量。最终的哈希矢量可以理解为降低尺寸的特征提取过程。
首先，我暂时尚未与NLP相关的任务联系，并且我还没有使用RNN，LSTM和其他时间 - 序列网络。是文本分类的任务吗？
因此，是否没有建立RNN或LSTM的构建都没有关系。现在可以通过其他方法提取，然后就足够了。我可以采用此功能来执行下一步。这就像视频理解领域中的C3D，将视频编码为4096的功能向量，所以请使用此功能。其他下游任务的功能向量。以相同的方式，这里也是如此。将其编码为哈希向量后，我可以使用分类器执行文本分类NLP任务。
理论分析已经结束，下一个是实际的验证。对于哈希编码的特征向量，我使用了SVM，随机森林并设置神经网络来测试分类效应。此外，测试了权重编码的效果借助SVM，与此同时，这些特征的特征将影响分类结果。最后，发布了官方代码进行学习。
@[TOC]在这里，我使用Sklearn随附的数据集，该数据集属于新闻分类数据。有20个类别和18846个样本，其中11314个培训样本。类别信息是：
这里将选择4个类别进行文本分类：
PS：在这里，文件的标题，签名快速和应用程序块被删除删除，使数据更真实。这是因为如果分类器未删除分类器，它将非常过热：
有了如此丰富的线索来区分新闻组，分类器几乎无需从文本中识别主题，并且它们都在相同的高级执行。因此，此处已删除的信息。
哈希编码内容和卡聚会过滤器的内容可以看到我的两个注释。链接如下：
1. Sklearn特征提取方法摘要（包括字典，文本和图像的特征）
2. Klearn特征缩小方法摘要（正方形差过滤，卡处方，F滤波，互信息，嵌入式方法）
输出：
输出：
实际上，只要文本信息以文本信息为特征，就可以在用卡侧过滤哈希代码后提取此步骤。最后，将每个文本信息编码为200维功能信息，因此您现在可以使用此功能信息以构建用于培训的神经网络。
因此，以下内容将仅构建用于培训的多层次感知机。在这里，我设置了一个3层的完整连接层。没有特殊的设计（实际上，我不会设计，哭...）
在训练之前，需要数据格式。由于卡侧过滤的矩阵是一个稀疏的矩阵，它是稀疏格式矩阵，因此需要将其转换为numpy Format.eg：
之后，传输了哪种格式，只需看到错误位置中的错误的提醒，或者基本上根据我的数据格式正确地正确。
数据格式转换后，您可以使用神经网络进行培训。参考代码如下：
输出：
最后，神经网络训练的结果似乎与从SVM获得的结果相似。无论是集成算法还是支持向量机算法，还是神经网络，最终结果约为66％。
对于文本分类，如果您想了解最重要的文本特征的哪个单词特征，则可以使用由某些设计权重的分配符检查（例如SVM等）。
这是一个介绍三重奏的部分，即如何使用库。有关参考链接，请参考参考材料。3。
输出：
代码源，请参阅参考材料4 ..
输出：
可以看出，这两种方法的输出一直都是，但是第二种方法将根据重量的大小从大到小。对于输出结果，越多的单词和文本类别越多，权重越大重量。
参考代码如下：
输出：
分析：可以看出，正确编码的使用比哈希编码更好。这是因为哈希编码实际上是缩小维度的一种方法。它减少了训练的时间，但同时它将丢失一些信息。因此，哈希编码的特征性分类效果有点一点，但是培训时间较短。
官方代码在这里发布供您自己的学习。有关特定内容，请参阅参考材料5.相关内容以中文翻译。
这是一个示例，该示例显示了如何使用单词袋方法将文档按主题分类。此示例使用scipy.sparse矩阵存储功能，并演示可以有效处理稀疏矩阵的各种分类器。
此示例中使用的数据集是20个新闻组数据集。它将自动下载并缓存。
出去：
让我们从新闻组的数据集中加载数据。该数据集包含约18,000个新闻组帖子，其中有20个主题，分为两个子集：一个用于培训（或开发），另一个用于测试（或绩效评估）本质
出去：
使用15个不同的分类模型来训练和测试数据集，并获得每个模型的性能结果。
出去：
条形图表示每个分类器的准确性，训练时间（标准化）和测试时间。
出去：
参考资料：
1. Sklearn特征提取方法摘要（包括字典，文本和图像的特征）
2. Klearn特征缩小方法摘要（正方形差过滤，卡处方，F滤波，互信息，嵌入式方法）
3. python在列表中获得最大的n个数字索引
4. 20个新闻组文本数据集
5.文本文档的分类用户
原始：https：//juejin.cn/post/7095005618074812424