说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。
1.项目背景
目前各大新闻网站很多，网站上的消息也是各式各样，本项目通过建立支持向量机分类模型进行新闻文本分类。
本项目使用SVC算法来解决分类问题。
2.数据获取
本次建模数据来源于网络(本项目撰写人整理而成)，数据项统计如下：
新闻文本数据包含四类新闻，分别用0，1，2，3 表示；数据集包含训练集和测试集。
数据详情如下(部分展示)：
3.数据预处理
3.1 用Pandas工具查看数据
使用Pandas工具的head()方法查看前五行数据：
关键代码：
3.2 统计每种新闻类型的数量
使用Pandas工具的grougby()方法统计每种新闻类型的数量：
从图中可以看到，类别为0的有987条数据，类别为1的有1436条数据，类别为2的有790条数据，类别为3的有263条数据。
4.探索性数据分析
4.1 词频柱状图
从图中可以看到，出现此频率最多的是：评论、中国、足球、体育等词。
4.2 词云图
通过上图可以看到，分词出现频率比较高是评论、皮肤、女性、中国、新浪、腾讯等，其中一些分词可以根据具体业务需要放入停用词中。
5.特征工程
5.1 文本向量化
上图中，括号内的代表文本行和分词索引，后面的代表词频逆文档频率。
关键代码：
5.2 构建特征和标签与数据集拆分
关键代码如下：
6.构建支持向量机分类模型
主要使用SVC算法，用于目标分类。
6.1 默认参数模型构建
从上图可以看到，支持向量机分类模型的准确率为0.9118，，F1分值为0.9024,默认参数构建的模型效果不错。
关键代码：
6.2 模型调优：应用网格搜索寻找最优参数值
使用网格搜索算法来寻找最优的参数值：
从上图可以看到，C参数最优值为10，gamma参数最优值为0.1。
关键参数代码：
6.3 最优参数建模
编号 |
模型名称 |
参数 |
1 |
SVM分类模型 |
C=10 |
2 |
gamma=0.1 |
7.模型评估
7.1评估指标及结果
评估指标主要包括准确率、查准率、召回率、F1分值等等。
模型名称 |
指标名称 |
指标值 |
测试集 |
||
SVM分类模型 |
准确率 |
0.9059 |
查准率 |
0.9195 |
|
召回率 |
0.9059 |
|
F1分值 |
0.9055 |
|
从上表可以看出，SVM分类模型比较优秀，效果非常好。
7.2 查看是否过拟合
查看训练集和测试集的分数：
通过结果可以看到，训练集分数和测试集分数基本一致，说明未过拟合。
关键代码：
7.3 混淆矩阵
SVM分类模型混淆矩阵：
从上图可以看到，实际值为0预测不为0的有5个；实际值为1预测不为1的有5个；实际值为2预测不为2的有6个；实际值为3预测不为3的有0个；这些是预测错误的，和总的测试集样本相比，错误预测还是相比对少的，在可接受的范围内。
7.4 分类报告
SVM分类模型分类报告：
从上图可以看到，分类类型为0的F1分值为0.80；分类类型为1的F1分值为0.94；分类类型为2的F1分值为0.90；分类类型为3的F1分值为0.77；整个模型的准确率为0.91。
8.结论与展望
综上所述，本项目采用了SVM分类模型，最终证明了我们提出的模型效果良好。
# 本次机器学习项目实战所需的资料，项目资源如下： # 项目说明： # 获取方式一： # 项目实战合集导航： https://docs.qq.com/sheet/DTVd0Y2NNQUlWcmd6?tab=BB08J2 # 获取方式二： 链接：https://pan.baidu.com/s/101Ccg2mBJ4bSf7R0_Fn5sQ 提取码：lybv
