flying_1314的博客

学习目标学会TF-IDF使用原理 使用sklearn的机器学习模型完成文本分类文本表示方法one-hot bag of words N-grams TF-IDF基于机器学习的文本分类代码

学习目标学习fasttext使用和基本原理 学会使用验证集进行调参

本期目标学习使用Pandas读取赛题数据 分析赛题数据的分布规律数据读取import pandas as pdtrain_df=pd.read_csv('./train_set.csv/train_set.csv',sep='\t',nrows=100)train_df.head()这里的read_csv由三部分构成：读取的文件路径，这里需要根据改成你本地的路径，可以使用相对路径或绝对路径； 分隔符sep，为每列分割的字符，设置为\t即可； 读取行数nrows，为此次读取文件的

本篇目标首先本篇文章会对赛题进行介绍以及个人对赛题的理解，带大家接触NLP的预处理、模型构建和模型训练等知识点。赛题介绍赛题名称：零基础入门NLP - 新闻文本分类赛题任务：赛题以自然语言处理为背景，要求选手对新闻文本进行分类，这是一个典型的字符识别问题赛题数据：赛题以匿名处理后的新闻数据为赛题数据，数据集报名后可见并可下载。赛题数据为新闻文本，并按照字符级别进行匿名处理。整合划分出14个候选分类类别：财经、彩票、房产、股票、家居、教育、科技、社会、时尚、时政、体育、星座、游戏、娱乐