基于机器学习的文本分类

Question

我有一个数据集，有新闻标题和新闻类别。我希望我能通过只输入标题来预测新闻的类别。 我需要能够分类文本。 多谢各位

Answer 1

你的问题不能完全回答，但我可以给你一些出发点。 ，你需要做一些自己的研究 本教程将是一个很好的开始link

对于当地的发展，我建议Anaconda用于图书馆等和Jupyter笔记本电脑。 或 你可以使用谷歌colab或微软Azure笔记本电脑

• 加载所需的库
• 加载数据，检查并清理数据
• 用于训练和测试的分割数据集
• 将文本转换为向量
• 对模型进行训练和测试，并进行预测

还有一些帮助代码

# Split-out validation dataset
X = df_row['tweets'].values
Y = df_row['label'].values
validation_size = 0.20
seed = 7
X_train, X_test, Y_train, Y_test = model_selection.train_test_split(X, Y, test_size=validation_size, random_state=seed)

vocab_size = 1000    
# define Tokenizer with Vocab Size
tokenizer = Tokenizer(num_words=vocab_size)
tokenizer.fit_on_texts(X_train)
#X_test and X_train are data tweets(text columns)
X_train = tokenizer.texts_to_matrix(X_train, mode='tfidf')
#X_train is now in vectorized form