我已经完成了 TF-IDF 并且想在插入符包 [R] 中实现模型

Question

我已经实现了这个 link 中解释的 TF-IDF 算法：https://cran.r-project.org/web/packages/text2vec/vignettes/text-vectorization.html#tf-idf

所以，分类器是这样实现的：

glmnet_classifier = cv.glmnet(x = dtm_train_tfidf, y = train[['sentiment']], 
                              family = 'binomial', 
                              alpha = 1,
                              type.measure = "auc",
                              nfolds = NFOLDS,
                              thresh = 1e-3,
                              maxit = 1e3)

x 和 y 的类型是：

> typeof(dtm_train_tfidf)
[1] "S4"
> typeof(train$setiment)
[1] "integer"

我如何使用不同的分类器，例如在 "Caret" 包中你会写：

model_svm<-train(x = dtm_train_tfidf, y = train[['sentiment']],method='svmRadial')

问题是这不起作用。有什么方法可以实现不同的分类器而不是 cv.glmnet 例如在 caret 包中？这个输入 x,y 和插入符号分类器之间有什么联系吗？如果没有，是否有像 cv.glmnet 这样的包可以处理这种类型的输入？

Answer 1

dtm 是 CSC 格式的稀疏矩阵 dgCMatrix。因此，寻找可以将稀疏矩阵作为输入的包。或者您可以尝试应用降维（例如 LSA），然后将这个密集矩阵提供给 caret.

我已经完成了 TF-IDF 并且想在插入符包 [R] 中实现模型

I have done TF-IDF and want to implement models in caret package [R]

r

r-caret

text2vec