文本挖掘tmSVM开源项目集成libSVM和liblinear包含Python和Java两种版本带PDF源码参考文档 简介 文本挖掘无论在学术界还是在工业界都有很广泛的应用场景。而文本分类是文本挖掘中一个非常重要的手段与技术。现有的分类技术都已经非常成熟，SVM、KNN、Decision Tree、AN、NB在不同的应用中都展示出较好的效果，前人也在将这些分类算法应用于文本分类中做出许多出色的工作。但在实际的商业应用中，仍然有很多问题没有很好的解决，比如文本分类中的高维性和稀疏性、类别的不平衡

这是JaromírJanisch ， TomášPevný和ViliamLisý撰写的AAAI 2019论文《使用深度强化学习的具有昂贵功能的分类》的源代码：//// 可用的更新版本：该文章的增强版本名为分类，具有作为顺序决策问题的代价高昂的功能 ，它分析了更多设置（硬预算，lambda的拉格朗日优化和缺少的功能）。该代码在该存储库的分支中可用。 引用为： inproceedings{janisch2019classification, title={Classification wit

主要模块 scikit学习 分类 评价 例 feature_selection 预处理 回归 强化学习 q学习迷宫例子