手机网站开发语言,wordpress附带默认脚本,服务器网站建设维护合同,wordpress全站注明1. 数据准备#xff1a;收集数据与读取 2. 数据预处理#xff1a;处理数据 3. 训练集与测试集#xff1a;将先验数据按一定比例进行拆分。 4. 提取数据特征#xff0c;将文本解析为词向量 。 5. 训练模型#xff1a;建立模型#xff0c;用训练数据训练模型。即根据训练样… 1. 数据准备收集数据与读取 2. 数据预处理处理数据 3. 训练集与测试集将先验数据按一定比例进行拆分。 4. 提取数据特征将文本解析为词向量 。 5. 训练模型建立模型用训练数据训练模型。即根据训练样本集计算词项出现的概率P(xi|y)后得到各类下词汇出现概率的向量 。 6. 测试模型用测试数据集评估模型预测的正确率。 混淆矩阵 准确率、精确率、召回率、F值 import csv
file_path rE:\jupyter\SMSSpamCollectionjsn.txt#原始的邮件
smsopen(file_path,r,encodingutf-8)
csv_readercsv.reader(sms,delimiter\t)
sms_data[]#邮件的内容
sms_label[]#邮件的类别
for line in csv_reader:sms_label.append(line[0])sms_data.append(line[1])
sms.close()#对数据预处理
sms_data1 []#存放处理过的邮件
for line in sms_data:#对邮件的内容进行处理for k in line:if k.isalpha() is False:# 不是字母发生替换操作:newString line.replace(k, )dataList newString.split( )sms_data1.append(dataList)#去掉长度小于3的词和没有语义的词
sms_data2 []
for line in sms_data:dataList []for i in line:if i ! and len(i) 3 and i.isalpha():dataList.append(i)dataString .join(dataList)sms_data.append(dataString)
sms_data sms_data2##训练集与测试集将先验数据按一定比例进行拆分
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test train_test_split(sms_data2,sms_label,test_size0.3,random_state0,stratifysms_label)#提取数据特征将文本解析为词向量
from sklearn.feature_extraction.text import TfidfVectorizer
vectorizerTfidfVectorizer(min_df2,ngram_range(1,2),stop_wordsenglish,strip_accentsunicode,norml2)
X_trainvectorizer.fit_transform(x_train)
X_testvectorizer.transform(x_test)#朴素贝叶斯分类器
from sklearn.navie_bayes import MultinomialNB
clf MultinomialNB().fit(X_train,y_train)
y_nb_predclf.predict(X_test)#分类结果显示
from sklearn.metrics import confusion_matrix
from sklearn.metrics import classification_report
print(y_nb_pred.shape,y_nb_pred)#x_test预测结果
print(nb_confusion_matrix:)
cmconfusion_matrix(y_test,y_nb_pred)#混淆矩阵
print(cm)
print(nb_classification_report:)
crclassification_report(y_test,y_nb_pred)#主要分类指标的文本报告
print(cr)转载于:https://www.cnblogs.com/woo-616366/p/10079744.html
