qq_38630004的博客

项目实践之文本分类实例 采用20Newgroups的数据。数据集分为两部分，一部分用来训练模型，一部分是用来评估算法的新数据。这里采用20news-bydate数据集进行项目研究，这个数据集是按照日期进行排序的，并去掉了部分重复数据和header。 使用scikit-learn的loadfiles导入文档数据。利用机器学习对文本进行分类，与对数值特征进行分类最大的区别是，对文本进行分类时要先提取文本特征，提取到的文本特征属性是巨大的，有时会超过万个的特征属性。 rom sklearn.featu.

四、优化模型 1.集成算法 袋装（Bagging）算法 1)袋装决策树（Bagged Decision Trees） 2）随机森林（Randon Forest） 3）极端随机树（Extra Trees） 提升（Boosting）算法 1）AdaBoost 2）随机梯度提升（Stochastic Gradient Boosting） 投票（Voting）算法 2.算法调参 网格搜索优化参数 ...