1、分词
2、特征权重的计算
3、模型的选择
（1）向量空间模型与布尔模型
（2）概率模型
4、特征选择
IG（特征选择），DF（文档频率），IF-IDF，ECE（期望交叉熵），X方，MI（文档互信息），WET（文档证据权重），OI，CC（相关系数）等常用的特征选择
在我前面的文章都有提到
5、特征抽取
LDA（线性特征抽取），PCA（主成分分析），FA（因子分析），SVD（奇异值分解），NMF（非负矩阵分解），LSI或者LSA（潜在语义分析）
我的其他文章都有提到
6、文本分类算法
KNN，SVM，BP神经网络，Bayes，决策树，基于规则分类，组合算法。
7、文本聚类算法
K-means，agent，divided，DBSCAN 等
8、模型的评估
指标
准确率，错误率，精确度，召回率（主要使用混洗矩阵）
如何验证这些指标？
保持、随机二次抽样、交叉验证、自助法
如何比较二个模型？
ROC曲线的绘制
版权声明：本文为u011955252原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。