如何找到二進制文檔分類中最具判別力的術語？

Question

我想要使用特徵選擇來查找文檔中對二進制分類任務最有用的術語。

我一直在四處尋找：
此提到互信息和卡方檢驗指標
http://nlp.stanford.edu/IR-book/html/htmledition/feature-selection-1.html

MATLAB具有多項功能，以及：
http://www.mathworks.com/help/toolbox/stats/brj0qbu.html
Feature Selection in MATLAB
的中以上，緩解和排名特點看起來很有希望。

我不知道我的數據是否遵循正態分佈。有關哪種技術表現最好的想法？有沒有更新的方法，你會建議？重點是提高分類準確度。

謝謝！

Answer 1

由於答案高度依賴於您的數據的性質，我建議玩幾個選項，可能使用一個保留集進行驗證。 最簡單的路徑可能是使用Weka或RapidMiner進行實驗。從他們提供的衆多選項中選擇，你可能會熟悉其他幾種方法。

說了這麼多，我發現Mutual Information/Infogain可以用於很多種問題。