ML之NB、LoR:基于NB和LoR算法对Kaggle IMDB影评数据集(国外类似豆瓣电影)情感分析进行分类

简介: ML之NB、LoR:基于NB和LoR算法对Kaggle IMDB影评数据集(国外类似豆瓣电影)情感分析进行分类


目录

输出结果

核心代码


 

输出结果

数据集Dataset之IMDB影评数据集:IMDB影评数据集的简介、下载、使用方法之详细攻略

20180824111046566.gif

 

核心代码

1. #1、读取数据并做一些基本的预处理(比如说把评论部分的html标签去掉等等)
2. def review_to_wordlist(review):
3. '''
4.     把IMDB的评论转成词序列
5.     '''
6.     review_text = BeautifulSoup(review,"lxml").get_text()  # 去掉HTML标签,拿到内容
7.     review_text = re.sub("[^a-zA-Z]"," ", review_text)   # 用正则表达式取出符合规范的部分
8.     words = review_text.lower().split()   # 小写化所有的词,并转成词list
9. return words   # 返回words
10. 
11. # 使用pandas读入训练和测试csv文件
12. train = pd.read_csv('F:/File_Python/Resources/Kaggle Film critic emotion/labeledTrainData.tsv', header=0, delimiter="\t", quoting=3)
13. test = pd.read_csv('F:/File_Python/Resources/Kaggle Film critic emotion/testData.tsv', header=0, delimiter="\t", quoting=3 )
14. y_train = train['sentiment']  # 取出情感标签,positive/褒 或者 negative/贬
15. train_data = []               # 将训练和测试数据都转成词list
16. for i in range(0,len(train['review'])):
17.     train_data.append(" ".join(review_to_wordlist(train['review'][i])))
18. test_data = []
19. for i in range(0,len(test['review'])):
20.     test_data.append(" ".join(review_to_wordlist(test['review'][i])))
21. print(train_data)
22. print(y_train)
23. 
24. #2、特征处理:从数据里面拿到有区分度的特征,采用TF-IDF向量方法
25. from sklearn.feature_extraction.text import TfidfVectorizer as TFIV
26. # 初始化TFIV对象,去停用词,加2元语言模型
27. tfv = TFIV(min_df=3,  max_features=None, strip_accents='unicode', analyzer='word',token_pattern=r'\w{1,}', ngram_range=(1, 2), use_idf=1,smooth_idf=1,sublinear_tf=1, stop_words = 'english')
28. 
29. X_all = train_data + test_data  # 合并训练和测试集以便进行TFIDF向量化操作
30. len_train = len(train_data)
31. 
32. tfv.fit(X_all)    
33. X_all = tfv.transform(X_all)
34. 
35. X = X_all[:len_train]   # 恢复成训练集和测试集部分
36. X_test = X_all[len_train:]
37. 
38. 
39. # 3、利用NB算法,多项式朴素贝叶斯
40. from sklearn.naive_bayes import MultinomialNB as MNB
41. 
42. model_NB = MNB()
43. model_NB.fit(X, y_train) #特征数据直接灌进来
44. MNB(alpha=1.0, class_prior=None, fit_prior=True)
45. 
46. from sklearn.cross_validation import cross_val_score
47. import numpy as np
48. print ("多项式贝叶斯分类器20折交叉验证得分: ", np.mean(cross_val_score(model_NB, X, y_train, cv=20, scoring='roc_auc')))
49. 
50. 
51. 
52. #4、利用LoR算法
53. from sklearn.linear_model import LogisticRegression as LR
54. from sklearn.grid_search import GridSearchCV
55. 
56. # 设定grid search的参数
57. grid_values = {'C':[30]}  
58. # 设定打分为roc_auc
59. model_LR = GridSearchCV(LR(penalty = 'L2', dual = True, random_state = 0), grid_values, scoring = 'roc_auc', cv = 20) 
60. # 数据灌进来
61. model_LR.fit(X,y_train)
62. # 20折交叉验证,开始漫长的等待...
63. GridSearchCV(cv=20, estimator=LogisticRegression(C=1.0, class_weight=None, dual=True, 
64.              fit_intercept=True, intercept_scaling=1, penalty='L2', random_state=0, tol=0.0001),
65.         fit_params={}, iid=True, loss_func=None, n_jobs=1,
66.         param_grid={'C': [30]}, pre_dispatch='2*n_jobs', refit=True,
67.         score_func=None, scoring='roc_auc', verbose=0)
68. #输出结果
69. print (model_LR.grid_scores_)
70. 
71.

 


相关文章
|
4月前
|
机器学习/深度学习 Dragonfly 人工智能
基于蜻蜓算法优化支持向量机(DA-SVM)的数据多特征分类预测研究(Matlab代码实现)
基于蜻蜓算法优化支持向量机(DA-SVM)的数据多特征分类预测研究(Matlab代码实现)
117 0
|
3月前
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
357 0
|
4月前
|
机器学习/深度学习 传感器 数据采集
【23年新算法】基于鱼鹰算法OOA-Transformer-BiLSTM多特征分类预测附Matlab代码 (多输入单输出)(Matlab代码实现)
【23年新算法】基于鱼鹰算法OOA-Transformer-BiLSTM多特征分类预测附Matlab代码 (多输入单输出)(Matlab代码实现)
338 0
|
5月前
|
机器学习/深度学习 人工智能 算法
AP聚类算法实现三维数据点分类
AP聚类算法实现三维数据点分类
179 0
|
2月前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
229 0
|
2月前
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
173 2
|
3月前
|
传感器 机器学习/深度学习 编解码
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
MATLAB|主动噪声和振动控制算法——对较大的次级路径变化具有鲁棒性
214 3
|
3月前
|
存储 编解码 算法
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
【多光谱滤波器阵列设计的最优球体填充】使用MSFA设计方法进行各种重建算法时,图像质量可以提高至多2 dB,并在光谱相似性方面实现了显著提升(Matlab代码实现)
151 6
|
2月前
|
机器学习/深度学习 算法 机器人
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
使用哈里斯角Harris和SIFT算法来实现局部特征匹配(Matlab代码实现)
158 8
|
2月前
|
机器学习/深度学习 算法 自动驾驶
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
基于导向滤波的暗通道去雾算法在灰度与彩色图像可见度复原中的研究(Matlab代码实现)
167 8

热门文章

最新文章