텍스트 분류를 위한 ML 모델 정확도를 향상시키는 방법은 무엇입니까?

전문가 여러분,

텍스트 분류 문제를 다루고 있습니다. 우리는 약 50개의 클래스로 구성된 약 80,000개의 레코드를 보유하고 있습니다. 데이터의 불균형이 매우 심합니다. 여기에는 설명용 열과 클래스가 포함된 열이 2개 있습니다.
지금까지 우리는 다음과 같은 모델과 기술을 시도했습니다:

1. 데이터 전처리: 에이. 소문자 변환, 숫자 텍스트 제거, 제거됨 구두점 비. 중요하지 않은 단어와 중지 단어를 제거했습니다. 기음. 표절화
2. TFIDF 변환
3. SKLEARN 모델 사용: 에이. 선형 SVC 비. 선형 회귀 기음. 로지스틱 회귀 디. 의사결정 트리 이자형. 랜덤 포레스트
4. Huggingface Transformers 사용: 에이. 구글 버트 비. 디스틸 버트
5. SMOTE 샘플링

우리가 얻은 최대 정확도는 70%인 것으로 관찰되었습니다(Random Forest 및 Google Bert).
정확도를 높일 수 있는 여지가 있나요?
그렇다면 정확성을 높이기 위해 사용할 수 있는 다른 기술이나 모델은 무엇입니까?

위 내용은 텍스트 분류를 위한 ML 모델 정확도를 향상시키는 방법은 무엇입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!