10、支持向量机与基于树的算法在分类任务中的应用

支持向量机与基于树的算法在分类任务中的应用

1. 支持向量机新闻主题分类

支持向量机（SVM）在新闻主题分类中表现出色。通过网格搜索，我们可以找到最优的参数组合，从而提高分类的准确性。

例如，在一个新闻主题分类任务中，我们使用了以下参数：

'tfidf__max_features': 40000, 'svc__C': 1,
'tfidf__sublinear_tf': True

经过网格搜索，我们得到了最佳得分：

>>> grid_search.best_score_
0.88836839314124094

然后，我们使用最佳估计器对测试集进行分类，并得到了测试集的准确率：

>>> pipeline_best = grid_search.best_estimator_
>>> accuracy = pipeline_best.score(cleaned_test, label_test)
>>> print('The accuracy on testing set is: {0:.1f}%'.format(accuracy*100))
The accuracy on testing set is: 80.6%

这个结果表明，使用支持向量机进行新闻主题分类是有效的。