一個(gè)機(jī)器學(xué)習(xí)二元分類的問題請教

先從特征工程上仔細(xì)思考？在抓取新聞過程中更多維度的抓取。然后重點(diǎn)落在高質(zhì)量如何判斷。

• 如出現(xiàn)次數(shù)，評論數(shù)，互評數(shù)，長度，是否廣告，都可能是影響文章“質(zhì)量”的因素。
• 然后再以上述數(shù)據(jù)作為輸入傳入模型（LR/DT/SVM），輸出結(jié)果。

除此之外，如果不想做特征工程，可以考慮深度學(xué)習(xí)。將每條新聞，以一串長文本形式進(jìn)行word embedding作為序列傳入神經(jīng)網(wǎng)絡(luò)，輸出是否高質(zhì)量的二分類。word embedding可以采用預(yù)訓(xùn)練好的或在訓(xùn)練模型時(shí)同時(shí)訓(xùn)練。

樣本有多大呢？有100W嗎？如果樣本很大的話，可以直接深度學(xué)習(xí)。如果不是太大的話，根據(jù)你給出的樣本可以直接上邏輯回歸。不過要自己提取特征，特征太小可能推薦不精準(zhǔn)，特征太大又可能過擬合。還是要自己嘗試一下。