一、模型的选择
①特征数量很多，和样本数量差不多，选择逻辑回归（LR）或线性支持向量机（SVM）。
②特征数量比较小，样本数量一般，不大也不小，选择SVM的高斯核函数版本。
③数据量非常大，又非线性，使用决策树（DT）的升级版本-随机森林。
④数据量巨大，特征向量也非常大，用神经网络深度学习模型。
二、大致步骤
1）定义阶段：定义数据以及分类体系，具体分为哪些类别，需要哪些数据。
2）数据预处理：对文档做分词、去停用词等准备工作。
3）数据提取特征：对文档矩阵进行降维，提取训练集中最有用的特征。
4）模型训练阶段：选择具体的分类模型以及算法，训练出文本分类器。
5）评测阶段：在测试集上测试并评价分类器性能。
扫描二维码关注公众号，回复：
2150769 查看本文章
6）应用阶段：应用性能最高的分类模型对文本进行分类。
更详细的文本分类模型描述