如何提高文本分类的 ML 模型准确性？

各位专家，您好，

我们正在处理文本分类问题。我们有大约 80K 条记录，大约有 50 个类。数据极不平衡。它有 2 列，一列用于描述，另一列包含类。
到目前为止，我们已经尝试了以下模型和技术：

1. 数据预处理： 一个。小写转换，删除数字文本，删除 标点符号 b.删除了不重要的单词和停用词 c.词形还原
2. TFIDF 转换
3. 使用 SKLEARN 模型： 一个。线性SVC b.线性回归 c.逻辑回归 d.决策树 e.随机森林
4. 使用 Huggingface 变形金刚： 一个。谷歌伯特 b.蒸馏伯特
5. SMOTE 采样

据观察，我们获得的最大准确度为 70%（随机森林和 Google Bert）。
准确性还有提升空间吗？
如果是，我们还可以使用哪些其他技术或模型来提高准确性？

以上是如何提高文本分类的 ML 模型准确性？的详细内容。更多信息请关注PHP中文网其他相关文章！