如果我整个训练集的文档是classA，我怎么用TF-IDF找到classA的其他文档呢？
If my entire training set of documents is class A, how can I use TF-IDF to find other documents of class A?
我收集了 X 份文档，所有这些都是 class A（我唯一感兴趣或了解的唯一 class）。我还有一个更大的 Y 文档集合，我对此一无所知。 X 和 Y 中的文档来自相同的来源，具有相似的格式和相似的主题。我想使用 X 中文档的 TF-IDF 特征向量来查找 Y 中最有可能属于 class A.
的文档
过去，我使用 TF-IDF 特征向量构建朴素贝叶斯 class 化器，但在这些情况下，我的训练集 X 包含许多 classes 的文档，我的 objective 是 class 将 Y 中的每个文档确认为 X 中看到的 classes 之一。
这似乎是另一种情况。在这里，我的整个训练集都具有相同的 class（我没有知道不属于 class A 的文档），我只对确定 Y 中的文档是否属于class.
A classifier 似乎走错了路，但我不确定下一步最好的做法是什么。是否有不同的算法可以使用该 TF-IDF 矩阵来确定文档相同的可能性 class?
仅供参考，我在 Python 2.7 中使用 scikit-learn，这显然使计算 X（和 Y）的 TF-IDF 矩阵变得简单。
我认为您拥有的是一个无监督学习应用程序。聚类。使用组合的 X & Y 数据集，生成集群。然后叠加X边界；包含所有 X 个样本的边界。在 X 边界中来自 Y 的所有项目都可以被认为是 X。并且来自 Y 的给定样本的 X-ness 是与 X 聚类质心的距离。像那样的东西。
最简单的事情就是已经提出的 - 聚类。更具体地说，您从集合 X 中提取单个特征向量，然后将 K 均值聚类应用于整个 X 和 Y 集合。
ps：注意不要将 k-means 与 kNN（k-最近邻）混淆。您只能应用无监督学习方法。
我收集了 X 份文档，所有这些都是 class A（我唯一感兴趣或了解的唯一 class）。我还有一个更大的 Y 文档集合，我对此一无所知。 X 和 Y 中的文档来自相同的来源，具有相似的格式和相似的主题。我想使用 X 中文档的 TF-IDF 特征向量来查找 Y 中最有可能属于 class A.
的文档过去，我使用 TF-IDF 特征向量构建朴素贝叶斯 class 化器，但在这些情况下，我的训练集 X 包含许多 classes 的文档，我的 objective 是 class 将 Y 中的每个文档确认为 X 中看到的 classes 之一。
这似乎是另一种情况。在这里，我的整个训练集都具有相同的 class（我没有知道不属于 class A 的文档），我只对确定 Y 中的文档是否属于class.
A classifier 似乎走错了路，但我不确定下一步最好的做法是什么。是否有不同的算法可以使用该 TF-IDF 矩阵来确定文档相同的可能性 class?
仅供参考，我在 Python 2.7 中使用 scikit-learn，这显然使计算 X（和 Y）的 TF-IDF 矩阵变得简单。
我认为您拥有的是一个无监督学习应用程序。聚类。使用组合的 X & Y 数据集，生成集群。然后叠加X边界；包含所有 X 个样本的边界。在 X 边界中来自 Y 的所有项目都可以被认为是 X。并且来自 Y 的给定样本的 X-ness 是与 X 聚类质心的距离。像那样的东西。
最简单的事情就是已经提出的 - 聚类。更具体地说，您从集合 X 中提取单个特征向量，然后将 K 均值聚类应用于整个 X 和 Y 集合。
ps：注意不要将 k-means 与 kNN（k-最近邻）混淆。您只能应用无监督学习方法。