Resumen

La clasificación de texto es el contenido crítico del aprendizaje automático, y se aplica ampliamente en el filtrado de información, análisis de sentimientos y revisión de texto. Es muy importante mejorar la precisión de los resultados de clasificación, y este también es el principal propósito de investigación de los investigadores en este campo en los últimos años. La selección de características juega un papel importante en la clasificación de texto, ya que tiene las funciones de eliminar características irrelevantes, reducir la dimensionalidad y mejorar la precisión de la clasificación. Por lo tanto, este artículo estudia el algoritmo de selección de características CHI, y el trabajo principal y las innovaciones son las siguientes: en primer lugar, este artículo analizó las deficiencias de los algoritmos CHI, determinó que la introducción de nuevos parámetros sería la dirección de mejora del algoritmo CHI, y propuso un nuevo algoritmo basado en la varianza y el coeficiente de variación. En segundo lugar, experimentó para verificar la efectividad del nuevo algoritmo. En cuanto al idioma, el experimento en este artículo incluye dos sistemas

• Materias:Modelo Matemático Gestión ambiental Sistemas dinámicos Datos estructurales Sistema inalámbrico
• Subjects:Mathematical model Environmental management Dynamic systems Structural data Wireless system
• Palabras claves:Clasificación de texto; Aprendizaje automático; Selección de características; Algoritmo CHI; Precisión de clasificación; Resultados experimentales
• Keywords:Text classification; Machine learning; Feature selection; CHI algorithm; Classification accuracy; Experimental results