基于发现特征子空间模型的文本分类算法，挺有意思的一个方法。简单说，就是在传统训练+分类的套路上，多加了一步自动反馈。模型自己会“反思”，用自己的判断来修正分类效果。嗯，听起来像是“会学习”的分类器，效果自然也就更稳更准。

自动反馈机制的设计，适合那种样本动态变化的场景，比如新闻推荐或者评论监控。一开始效果不理想？没关系，后面它自己越跑越准。自学习这个特性，蛮适合做持续训练的系统。

还有一个点挺赞：它给了个反馈阈值的算法，不用你瞎猜怎么设。对搞前端数据的来说，预文本、丢进模型，再拿到分类结果，用起来还是蛮流畅的。响应也快，代码也不复杂。

你如果在做文本分类相关的功能，比如做个后台内容管理工具、自动标注系统啥的，可以拿来做实验。顺便推荐几个相关的思路，有空可以翻翻：

如果你手上正好有一批结构不太清楚的文本数据，想搞搞自动分类的玩意儿，那这个算法还挺值得一试的。