TextClassification-通用文本分类
用于通过统一接口完成传统机器学习文本分类，支持文本特征表示、分类模型训练与效果评估，适合评论、问卷开放题和文档语料的类别判别。
算法目录
按类目、下载状态和价格筛选全部算法。
分类筛选
SVM_Text-SVM 文本分类
用于文本分类，可对文本数据进行特征表示、训练或分析并输出相应结果，适合评论、问卷开放题和文档语料；具体模型参数与评价指标以软件界面为准。
Sentiment-情感分析
用于文本情感倾向识别，可对文本数据进行特征表示、训练或分析并输出相应结果，适合评论、问卷开放题和文档语料；具体模型参数与评价指标以软件界面为准。
NMF_Topic-NMF 主题模型
用于主题发现与文档聚类，可对文本数据进行特征表示、训练或分析并输出相应结果，适合评论、问卷开放题和文档语料；具体模型参数与评价指标以软件界面为准。
NaiveBayes_Text-朴素贝叶斯文本分类
用于文本分类，可对文本数据进行特征表示、训练或分析并输出相应结果，适合评论、问卷开放题和文档语料；具体模型参数与评价指标以软件界面为准。
LDA-主题模型
用于主题发现与文档聚类，可对文本数据进行特征表示、训练或分析并输出相应结果，适合评论、问卷开放题和文档语料；具体模型参数与评价指标以软件界面为准。
FastText-fastText 文本分类
用于文本分类，可对文本数据进行特征表示、训练或分析并输出相应结果，适合评论、问卷开放题和文档语料；具体模型参数与评价指标以软件界面为准。
BERT_Finetune-BERT 微调
用于文本分类，可对文本数据进行特征表示、训练或分析并输出相应结果，适合评论、问卷开放题和文档语料；具体模型参数与评价指标以软件界面为准。
VECM-协整向量误差修正（VECM）
用于建立向量误差修正模型（VECM），分析存在协整关系的多变量时间序列的短期波动与长期均衡。
当前第 16 页，共 23 页，共 204 个算法