我在尝试用文本挖掘来处理微博信息，在特征选择被卡住了：我试了两种，一种是词频统计后人工筛选前X百个，一种是randomforest的importance项筛选前X百个，发现前者在训练时效果更好。但二者在后面分析新数据时效果都一般，一眼扫过去分类分得乱七八糟。

后来还看到tfidf，但因为我分析微博数据，不知道总文档库该去哪找，感觉无法实行了。

求教大神们都用什么方法来做这个事情呀？十分感谢！