WolfHound

赛题的分析（Task 1）： 1、任务：给定一个新闻事件的文本，判定该事件属于真实新闻还是虚假新闻。 2、方法：训练一个二分类器，判别新闻是真还是假。 一、数据预处理： a、样本数据观察： 训练集有38471条数据，每条数据有id、text、label三个字段，其中1代表正例 （真），0代表负例（假） b、数据清洗： 1、生成训练词向量的数据 2、去掉训练样本里的无意义的噪音，例如：url...

决策树算法理论篇 1、决策树直观理解： 假设，已知10人房产、婚姻、年收入以及能否偿还债务的样本，那么第11个人来，知其房产、婚姻、以及年收入情况，问他是否能偿还债务？ 2、前置知识： 理解决策树，我们必须知道一下概念： 信息熵：描述系统的不确定度，熵越高，代表系统越混乱，包含的信息量也就越多，其公式： 例（计算前10个样本能否还债y的信息熵）：-0.7log2（0.7）- 0.3log2（0...

一、数据来源： 爬取了新浪财经的新闻数据，大约30万篇文章（很遗憾全是未标记数据） 二、数据标记：