sklearn의 순수한 만 텍스트로 채우기

8085 단어 Python
from sklearn.datasets import fetch_20newsgroups
의 데이터 세트입니다.
분류 코드 내보내기
from pprint import pprint
pprint(list(newsgroups_train.target_names))
이것은 마치 보도의 유형인 것 같아서, 무엇을 쓰기 시작했는지 아직 분명하지 않다.
['alt.atheism',
 'comp.graphics',
 'comp.os.ms-windows.misc',
 'comp.sys.ibm.pc.hardware',
 'comp.sys.mac.hardware',
 'comp.windows.x',
 'misc.forsale',
 'rec.autos',
 'rec.motorcycles',
 'rec.sport.baseball',
 'rec.sport.hockey',
 'sci.crypt',
 'sci.electronics',
 'sci.med',
 'sci.space',
 'soc.religion.christian',
 'talk.politics.guns',
 'talk.politics.mideast',
 'talk.politics.misc',
 'talk.religion.misc']
조사 결과 인터넷 뉴스 프로토콜인 것으로 밝혀졌다.
읽는 뉴스 그룹
fj.comp.applications.excel, fj.comp.oldies, fj.comp.misc, fj.os.ms-windows.win95, fj.os.msdos, fj.net.providers, fj.net.words, fj.life.hometown.hokkaido, fj.jokes.d, fj.rec.autos, fj.rec.motorcycles, fj.news.group.*, fj.news.policy, fj.news.misc, fj.news.adm, fj.news.net-abuse, fj.questions.fj, fj.questions.internet, fj.questions, misc, fj.sci.chem, fj.engr.misc
http://www2s.biglobe.ne.jp/~kyashiki/fj/arukikata/WonderfulFj.html
Network News Transfer Protocol은 프로토콜을 사용하는 fj(뉴스그룹)의 뉴스입니다.
sample.py
import numpy as np
from sklearn.datasets import fetch_20newsgroups
from sklearn.naive_bayes import MultinomialNB
from sklearn.feature_extraction.text import CountVectorizer
import nltk
from pprint import pprint

def stopwords():
    symbols = ["'", '"', '`', '.', ',', '-', '!', '?', ':', ';', '(', ')', '*', '--', '\\']
    stopwords = nltk.corpus.stopwords.words('english')
    return stopwords + symbols

newsgroups_train = fetch_20newsgroups(subset='train', remove=('headers', 'footers', 'quotes'))
newsgroups_test  = fetch_20newsgroups(subset='test', remove=('headers', 'footers', 'quotes'))

#ニュースカテゴリを表示
pprint(list(newsgroups_train.target_names))
#記事データ
#print(newsgroups_train.data)

#CountVectorizerクラスを作る
vectorizer = CountVectorizer(stop_words=stopwords())
#print(vectorizer)
#語彙辞書を作る
vectorizer.fit(newsgroups_train.data)

# Train
#ドキュメント用語マトリクスをXに代入
X = vectorizer.transform(newsgroups_train.data)
# print(newsgroups_train.target)
y = newsgroups_train.target
# print(X.shape)

clf = MultinomialNB()
clf.fit(X, y)
print(clf.score(X,y))

# Test
X_test = vectorizer.transform(newsgroups_test.data) 
y_test = newsgroups_test.target

print(clf.score(X_test, y_test))


데이터: 정확도 60%
테스트 데이터: 정확도 80%
그런 것 같습니다.
참고했어.큰 도움이 됐습니다.
http://qiita.com/kotaroito/items/76a505a88390c5593eba

좋은 웹페이지 즐겨찾기