Python中用于文本分类的特征选择

我正在使用scikit-learn库中的随机森林处理python中的文本分类问题。我想尝试不同的功能选择方法，如信息增益（IG）或双正常分离（BNS），如paper中所述。Python中用于文本分类的特征选择

似乎scikit中可用的特征选择（使用CountVectorizer类）中唯一可用的特征选择方法基于文档频率。其他库中是否还有其他方法？

2014-09-10 markusian

有一个功能选择模块，它具有用于执行单变量选择或递归功能消除的工具：http://scikit-learn.org/dev/modules/feature_selection.html scikit-learn中没有信息gane或BNS。文档频率不是特征选择方法。

2014-09-10 17:11:38

是的，它似乎还没有实施。最后我决定自己实施BNS，当我有一些空闲时间时，我会尝试将它添加到scikit库中。其实文档频率是一种特征选择方法，至少在文本分类领域。在这种情况下，您可以选择出现在文档数量最多的功能（单词）。 – markusian 2014-09-11 09:07:28

回答