Document Classification Algorithms

Document Classification Algorithms: And Feature Selection Techniques with the Practical Test

ちょっと古い文献ですが、文書分類で使う特徴選択法について調べるために読みました。

知りたいこと

• 特徴選択はどれくらいパフォーマンスに影響するのか。
• Text Classification で使われる特徴選択法はどんなものがあるか

特徴選択はどれくらいパフォーマンスに影響するのか

• 判別器やデータセットにかなり依存する。
• 文献ではなんと特徴選択しない SVM が最も良い精度というオチだった。
• まず手法自体は色々試したほうがいいよね、ということが学べました。

Text Classification で使われる特徴選択法はどんなものがあるか

• Information Gain
• Mutual Information
• Chi-Square
• Recursive Feature Elmination (RFE)
  • 時間がかかる。
  • 筆者は、高速な方法 (Improved RFE) を提案したようです。