垃圾评论分类

该博客介绍了如何对垃圾评论进行分类,包括数据特征准备,如使用词典将评论转换为one hot向量,接着利用Spark的朴素贝叶斯进行训练,再在测试集上预测并评估模型的精准率、召回率和AUC值,最后讨论了模型参数调优的方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一、数据特征准备

1选取汉语词典(包含常用词,姓名等) -> one hot 向量
2选取停用词词典 ->去除停用词的影响
3选取同义词词典 ->增加表达多词同意的能力
4选取比较长的固定搭配词典,比如成语,乐队名字等,增加分词正确率

通过以上词典将每一句评论转换成one hot 向量,作为训练数据与测试验证数据集

二、spark 训练
使用spark的朴素贝叶斯训练数据

import sparl.mllib.classification.NaiveBayes
NBmodel = NaiveBayes.train(train_data)

三、在测试集上预测

result = NBmodel.predict(test_data)

四、评估模型

非垃圾评论被识别为非垃圾被识别为垃圾
3500034800200
垃圾评论被识别为垃圾被识别为非垃圾
1000083001700

非垃圾识别精准率:

P=3480035000=99.4%

垃圾识别精准率:
P=830010000=83%

因为要识别的是垃圾评论,所以设
postive:垃圾评论
negative:非垃圾评论

则:
TP :8300
FN:1700

FP:200
TN:34800

准确率:

P=TPTP+FP=97.6%

召回率:

R=TPTP+FN=92.2%

并且使用mllib.evalution.BinaryClassficationMetrics类,计算ROC面积AUC值共同评估模型。

五、模型参数调优
1、增加迭代次数
2、减少学习率,或者使用学习率衰减方法
3、加入正则化,如果模型可加

同样通过AUC值来判断参数优劣,使用交叉验证集来判断

评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值