Text 如何创建培训集？-文本分类

我想创建一个文本分类器，将音乐歌词分类到它的相关类别。 在我阅读了一些相关研究后，他们说，首先我们需要使用一些文档手动创建培训集。 但是，这真的是手册吗？我的意思是，我们是否在没有指南或一些技巧的情况下对培训集文档进行分组？

---

关于这个话题，我真的需要一些明确的解释或建议。谢谢。

您可以将样本集拆分为训练集和测试集。例如，您可以使用70%的样本作为训练集，剩余的30%作为测试集。如果应该随机进行。

你会想在这个问题上应用机器学习技术。也就是说，你有一套从你的歌词中衍生出来的功能（例如，关键词的频率或类似的，尽管我从未处理过这个特定的问题），这些功能映射到一些标签（流行音乐、摇滚乐等）

现在，机器学习算法需要一些参考分类，因为它不知道流行歌曲中出现的词比摇滚歌曲中出现的词更频繁

不管它们来自何处，你可以从图表列表（流行图表、摇滚图表等）中选择分类，例如，你从每个图表中选择歌曲列表，并将歌词与相应标签一起提供给学习者。 在这种情况下，结果将是一个预测模型，其中一首新歌将出现在这些图表中

---

或者，可以使用歌词和标签手动定义训练集。这完全取决于你想学什么。如果您计划创建您的个性化库，那么使用手动定义的测试用例是有意义的。如果是关于测试算法或类似的问题，请使用一些易于访问的数据，如图表。在这种情况下，您应该尝试学习“黑盒”方法，该方法决定某首歌曲属于哪个图表（例如，创建购物车列表的人的音乐品味）。

@hfernandez-我认为该人不想知道如何将整个样本分割到训练和测试集中。