gbdt算法通俗理解 使用sklearn做文本分类，速度比较慢，有什么优化方法？

使用sklearn做文本分类，速度比较慢，有什么优化方法？

首先，我想你可以打印出每一步的时间，看看哪一步需要更多的时间，并尝试找到优化方法。让我先谈谈我想到的几点。

在sklearn的一些分类方法中，您还可以尝试在其参数中使用multi-process选项。

如果您的培训数据很大，请先尝试LSA、LDA和其他模型来降低维度。这两种方法在sklearn中也可用。

此外，在countvectorizer中，设置mintf和maxtf参数以避免过多的字。虽然这可能对速度影响很小，但可能会对结果产生影响。

如果你在处理中文文本，必须有一个好的停止词和字典。

暂时就这么多了。

找个咨询关于机器学习算法分类的几个问题？

小数据集不适合神经网络，因为数据集太小，很难训练出理想的结果。对于小数据集，可以尝试使用传统的机器学习算法，如支持向量机、决策树等。只要数据集的特征差异明显，就很容易学习到合适的模型。

gbdt算法通俗理解 gbdt如何实现分类的 gbdt算法原理

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。