LogisticRegression中文叫做逻辑回归模型，是一种基础、常用的分类方法 ...

【实验目的】 掌握数据预处理的方法，对训练集数据进行预处理； 掌握文本建模的方法，对语料库的文档进行建模； 掌握分类算法的原理，基于有监督的机器学习方法，训练文本分类器； 利用学习的文本分类器，对未知文本进行分类判别； 掌握评价分类器性能的评估方法。 【实验要求 ...

一. 算法介绍 1.1. 算法简介 ​ Xgboost从名字中可以看出是属于booting算法。Boosting就是一个强分类器，它是由若干个弱分类器（树模型）组合而成。这里的树模型是CART（分类回归树）模型。 1.2 .算法思想 ​ 通过不断地添加树，不断地进行特征分裂来生长一棵树 ...

1、对语料进行分析 基本目录如下： 其中train存放的是训练集，answer存放的是测试集，具体看下train中的文件： 下面有20个文件夹，对应着20个类，我们继续看下其中的文件，以C3-Art为例： 每一篇都对应着一个txt文件，编码格式是gb18030.utf8文件夹 ...

参考：https://mp.weixin.qq.com/s/6vkz18Xw4USZ3fldd_wf5g 1、数据集下载地址 https://tianchi-competition.oss- ...

一、词向量 1.什么是词向量 词向量技术是将词转化成为稠密向量，并且对于相似的词，其对应的词向量也相近。 词嵌入的官网文档 https://www.tensorflow.org/tutoria ...

一、概述 本实验做的是一个很常见的数据挖掘任务：新闻文本分类。 语料库来自于搜狗实验室2008年和2012年的搜狐新闻数据， 下载地址：https://www.sogou.com/labs/resource/cs.php 实验工作主要包括以下几步： 1）语料库的数据预处理； 2）文本建模 ...

目录 程序简介 程序/数据集下载 代码分析 程序简介 将9类新闻语料切割为训练集和数据集，对新闻进行分词、去停用词、句向量构建后，调用sklearn模块提供的朴素贝叶斯接口建模，对新闻分类，最终实现的接口为 输入：新闻字符串 输出：新闻分类 朴素贝叶 ...