支持向量机（SVM）是一种机器学习方法，基于结构风险最小化原则，即通过少量样本数据，得到尽可能多的样本数据（点击文末“阅读原文”获取完整代码数据）。
支持向量机对线性问题进行处理，能解决非线性分类问题。本文介绍了R语言中的 SVM工具箱及其支持向量机（SVM）方法，并将其应用于文本情感分析领域，结果表明，该方法是有效的。在此基础上，对文本挖掘新闻语料进行情感分类和词云可视化，从视觉上对文本进行情感分析。
语料是从yahoo Qimo上爬的新闻语料，一共49000篇（查看文末了解数据免费获取方式），每篇包含题目、新闻内容、评论、读者投票结果（投票选择依次为：实用，感人、开心、超扯、无聊、害怕、难过、火大）以及总投票个数。
数据概览
以第一个预料为例
对其分词提取关键词
library(jiebaR) cutter = worker(type = "keywords", topn = 10) words = "1.txt"
查看工作目录下所有的文件
dir = list.files(".")
获取分类号
xx<-readLines(dir[i],encoding = "UTF-8") ## Warning in readLines(dir[i], encoding = "UTF-8"): 读'1.txt'时最后一行未遂 # xx<-readLines("2.txt",encoding = "UTF-8") class=strsplit(xx[length(xx)-1],split="#")[[1]][3]
词性分类
for(i in 1:10){ cutter = worker(type = "keywords", topn = 10)
绘制词汇图
mycolors <- brewer.pal(8,"Dark2")#设置一个颜色系： wordcloud(cutter_words,as.numeriter_words)),random.order=FAL
点击标题查阅往期内容
01
02
03
04
准备训练集和测试集
ntrain <- round(n*0.8) # 训练集 tindex <- sample(n,ntrain) # 筛选测试集样本 xtrain<-textdata[tindex,] xtest<-textdata[-tindex,] #可视化 plot(textdata[,c("classlist","X1")] ,pch=ifelse(istrain==1,1,2))
训练SVM
现在我们在训练集上使用来训练线性SVM
svm(classlist ~ . , textdata)
预测数据
predictedY <- predict(model, textdata)
预测的数据
查看分类混淆矩阵
