我是机器学习的新手,我正在寻找一种基于训练数据集学习字符串模式的技术 .
My problem: 我有不同类型的单词,属于不同的类别 . 每个类别都有自己的模式(例如,一个具有固定长度,只有特殊字符,另一个存在其他字符,只出现在此类别的_1556651中) .
例如:
"ABC" -> type1
"ACC" -> type1
"a8 219" -> type2
"c 827" -> type2
"ASDF 123" -> type2
...
我正在寻找机器学习技术,根据训练数据自行学习这些模式 . 我已经尝试自己定义一些预测变量(例如字长,特殊字符数......),然后使用神经网络来学习和预测类别 . 但那可能不是我想要的 . 我想要一种技术来学习每个类别的模式 - 甚至学习我从未想过的模式 .
我想给算法提供学习数据(由单词类别示例组成),并希望它学习每个类别的模式,以便在 生产环境 后期从类似或相同的单词预测类别 .
有没有最先进的方法来做到这一点?
谢谢你的帮助
1 回答
既然你有标签weka,那么过程就是
1.为arff文件创建Feed
例
2.在weka软件中加载文件
在预处理选项卡中,您可以过滤(转换)数据;例如
StringToWordVector
可以与J48
分类器等一起使用,但是我们暂时不会这样做,只使用可以直接处理输入的分类器3.分类
在选项卡"Classify"中,选择属性
@@class@@
,然后选择一个可以直接支持文本的分类器,一个好的开始就是NaiveBayesMultinominal在分类器的界面中,设置设置,Stemmer,StopWords,Tokenizer等 .
要使用的分类器和设置取决于数据,但您可以在“使用训练集”,“提供的测试集”或“交叉折叠”上测试运行分类器,以了解不同设置的结果 .
4创建模型
如果对设置满意,请导出模型(右键单击结果>>保存模型) .
5使用模型
在java中加载模型,创建实例,将其传递给模型并检索结果 .
结论
weka软件允许您使用不同的设置测试不同的分类器算法,找到最佳分类器的最佳方法是在“提供的测试集”上测试运行不同分类器(使用过滤器,选择属性等)和不同的设置并检查结果 .
![Example of classifier output
]