R中的分类/预测

我有一个N文档集，分类为垃圾邮件/无垃圾邮件。我按照标准程序预处理R（）中的数据。预处理以

DocumenTermMatrix

结束，使用权重为tfidf

现在我想用我的模型对新文档进行分类

---

如何计算单个新文档对应的

DocumentVector

（使用文档的tf和语料库的idf）？我希望避免重新计算整个语料库的

文档术语矩阵

。

我不知道您使用的是什么svm库，但您的svm模型似乎存储在

语料库中。svm

--正确吗

---

要预测新文档，您可以按照任务2中描述的过程进行操作。如果您使用其他库，程序将类似。还有一个IRIS数据集的实例。唯一的区别是，您的新文档必须以与培训示例相同的方式进行处理（即删除停止词、tf idf等）

我不知道您使用的是什么svm库，但您的svm模型似乎存储在

语料库中。svm

--正确吗

---

要预测新文档，您可以按照任务2中描述的过程进行操作。如果您使用其他库，程序将类似。还有一个IRIS数据集的实例。唯一的区别是，您的新文档必须以与培训示例相同的方式进行处理（即删除stopwords、tf idf等）

我过去遇到过类似的问题，tm软件包中不包含此功能。Ingo Feiner建议构建一个函数来获取DocumentVector。该函数需要使用语料库和新文档中先前构建的tm或dtm。首先，以与语料库相同的方式预处理新文档，并创建一个包含单词和tf的列表。您可以将tm/dtm中的单词（例如tdm$dimnames$Terms）进行合并，方法是将新文档转换为具有与文档tf值相同的语料库术语（简单合并）。然后以标准方式将tf除以语料库的IDF：

cs<-row_sums(tm>0)
 lnrs<-log2(nDocs(tm)/cs)
 tf*lnrs  # 

cs0）
lnrs我过去也有类似的问题，tm软件包中不包含此功能。Ingo Feiner建议构建一个函数来获取DocumentVector。该函数需要使用语料库和新文档中先前构建的tm或dtm。首先，以与语料库相同的方式预处理新文档，并创建一个包含单词和tf的列表。您可以将tm/dtm中的单词（例如tdm$dimnames$Terms）进行合并，方法是将新文档转换为具有与文档tf值相同的语料库术语（简单合并）。然后以标准方式将tf除以语料库的IDF：

cs<-row_sums(tm>0)
 lnrs<-log2(nDocs(tm)/cs)
 tf*lnrs  # 

cs0）
LNRS问题实际上与您的最后一句话有关“唯一的区别是您的新文档必须以与培训示例相同的方式进行处理（即删除stopwords、tf idf等）”。如何获取此文档向量？使用的模型与问题无关。在测试期间，您使用来自训练语料库的idf值，tf仅取决于测试文章。更实际的是：，或者问题实际上与您的最后一句话有关“唯一的区别是您的新文档必须以与培训示例相同的方式进行处理（即删除stopwords、tf idf等）”。如何获取此文档向量？使用的模型与问题无关。在测试期间，您使用来自训练语料库的idf值，tf仅取决于测试文章。更实际的是：，或者