各位 大佬们 关于机器学习 数据集中特征少

[Liu6]

数据集中 只有一列 id 和 comment 然后 comment 全是中文 这个怎么进行处理？？？ 加特征吗 ？ 那应该加什么特征呢？？？？ 第一次接触文本数据集

[misaki321]

svm 已经不适合这类题目了
用词向量+神经网络

[Liu6]

@misaki321 神经网络一开始有考虑 但是 我 个人觉得 最根本的原因是 数据处理的不好 我把中文 进行了 label 编码 了 我觉得这个是主要原因 我就一直不知道 中文 应该怎么处理

[xwhxbg]

bert 中文，把最后一层替换输出就行了，既不用分词也不用手动词向量，更不用手工提取特征

[xwhxbg]

首先震惊于这个比赛奖励居然是 100w，其次发现这是个训练赛，不知所以。。。
我用 bert 随便跑了一个 epoch，validation acc 0.91 看排行榜基本能进前 50 了。。。
https://colab.research.google.com/drive/1j9cBSsitjm2igaj50u9pwtu56XY3uBYg

[Liu6]

@xwhxbg 我没有接触过 Bert 今天下午 也看了一下 Bert 但是 有点懵!!