← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9839.b · 生成模型:Hunyuan

规则系统与机器学习两条路径

理解等级:中级

实现文本分类有两条截然不同的路径。基于模式系统的做法沿用知识工程,把领域专家的知识写成规则表达式,由规则直接判定类别,质量取决于专家能否把经验完整编码。基于分类模型的做法属于统计与机器学习,给它一组预分类的例子,让它通过训练自动归纳出分类模型。随着文本数量呈指数增长、领域专家相对稀缺,手工维护规则的成本越来越高,而数据驱动模型的覆盖面和可迁移性更好,重心因此转向机器学习式的自动分类。这一取舍解释了本章为何选用朴素贝叶斯和 kNN,而不是编写大量规则。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第2章 中文文本分类 · 查看原书依据

      目前,有两种主要的文本分类方法,一是基于模式系统(通过运用知识工程技术),二是分类模型(通过使用统计和/或机器学习技术)。专家系统的方法是将专家的知识以规则表达式的形式编码成分类系统。机器学习的方法是一个广义的归纳过程,采用一组预分类的例子,通过训练建立分类。

    参考来源

    - 位置:《机器学习算法原理与编程实践》第2章 中文文本分类(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00010.html) - 结论依据:原文明确列出基于模式系统与基于统计/机器学习两条路径,分别说明专家规则编码与归纳训练的做法,并指出趋势转向机器学习,支撑本卡的取舍解释。 - 原始内容:目前,有两种主要的文本分类方法,一是基于模式系统(通过运用知识工程技术),二是分类模型(通过使用统计和/或机器学习技术)。专家系统的方法是将专家的知识以规则表达式的形式编码成分类系统。机器学习的方法是一个广义的归纳过程,采用一组预分类的例子,通过训练建立分类。