如何提高文字分類的 ML 模型準確性？

各位專家，您好，

我們正在處理文字分類問題。我們有大約 80K 筆記錄，大約有 50 個類別。數據極不平衡。它有 2 列，一列用於描述，另一列包含類別。
到目前為止，我們已經嘗試了以下模型和技術：

1. 資料預處理： 一個。小寫轉換，刪除數字文本，刪除 標點符號 b.刪除了不重要的單字和停用詞 c.詞形還原
2. TFIDF 轉換
3. 使用 SKLEARN 模式： 一個。線性SVC b.線性迴歸 c.邏輯迴歸 d.決策樹 e.隨機森林
4. 使用 Huggingface 變形金剛： 一個。谷歌伯特 b.蒸餾伯特
5. SMOTE 採樣

據觀察，我們獲得的最大準確度為 70%（隨機森林和 Google Bert）。
準確度還有提升空間嗎？
如果是，我們還可以使用哪些其他技術或模型來提高準確性？

以上是如何提高文字分類的 ML 模型準確性？的詳細內容。更多資訊請關注PHP中文網其他相關文章！