Отзывы парсили полные или фрагменты- превью?

Возможно, качество выборки здесь влияет

Я с отзовика парсил полные просто...

Или на разметку выборки посмотрите

Может быть сдвиг где- то в отклике...

Ну чистый свм не даёт, но в склерн реализации же вроде сигмоиду поверх вкручивают и вероятности уже можно получить

Можно калибровать, согласен

Но я лог рег использовал в конце

Коллеги, привет!
Вопрос по #С2W3
Все категориальные признаки в X преобразуйте в строки, пропущенные значения требуется также преобразовать в какие-либо строки, которые не являются категориями (например, 'NA'),....
а затем
Для использования модели регрессии требуется преобразовать категориальные признаки в вещественные
*Для чего мы сначала преобразовывали все признаки в строки? Энкодер не работает с другими типами?*

там отзывы были из трёх частей каждый: плюсы/минусы/впечатления.
Я брал толтко "впечатления".
Тексты там были очень разные, начиная от длинных, и заканчивая одним словом "понравилось"

Алгоритм мог просто не настроиться на меньший класс...

И советую html теги убрать, может помочь

Хотя при настройке векторайзера и они, скорее всего, уйдут

Макс документную частоту просто срезать

Это да..)

Чтобы не было проблемы с меньшим классом, надо пытаться oversampling сделать?)
А я правильно понял, что это так:

Найти k ближайших соседей каждого объекта меньшего класса, найти векторы от этого объекта до каждого соседа, и умножить кажлый вектор на число от 0 до 1

"To create a synthetic data point, take the vector between one of those k neighbors, and the current data point. Multiply this vector by a random number x which lies between 0, and 1."

html-теги и прочие вещи вроде   я удалил

Хотя труд закаляет)

Там встроенные есть

Там идея заполнять некоторыми похожими, но не дублями