可见贝叶斯分类器的分类效不雅有了很大年夜晋升。

5. 枷⒚鹋息量丰富的词和双词搭配，并以此作为特点

在应用分类算法进行分类之前，第一步是要把所有原始的语料文本转化为特点表示的情势。

word_scores = create_word_bigram_scores()  
best_words = find_best_words(word_scores, 1500) #选择信息量最丰富的1500个的特点  
posFeatures = pos_features(best_word_features)  
negFeatures = neg_features(best_word_features) 

结不雅如下：

BernoulliNB`s accuracy is 0.910000  
MultinomiaNB`s accuracy is 0.860000  
LogisticRegression`s accuracy is 0.800000  
SVC`s accuracy is 0.800000  
LinearSVC`s accuracy is 0.750000  
NuSVC`s accuracy is 0.860000 

可以发明贝努利的贝叶斯分类器效不雅持续晋升，同时NuSVC 也有很大年夜的晋升。

dev, tag_dev = zip(*devtest) #把开辟测试集(已经经由特点化和付与标签了)分为数据和标签

此时，我们选用BernoulliNB、MultinomiaNB、NuSVC 作为候选分类器，应用词和双词搭配作为特点提取方法，测试不合的特点维度的效不雅。

三、再之后特点要降维。

dimension = ['500','1000','1500','2000','2500','3000']  
for d in dimension:  
word_scores = create_word_scores_bigram()  
best_words = find_best_words(word_scores, int(d))  
posFeatures = pos_features(best_word_features)  
negFeatures = neg_features(best_word_features)  
train = posFeatures[174:]+negFeatures[174:]  
devtest = posFeatures[124:174]+negFeatures[124:174]  
test = posFeatures[:124]+negFeatures[:124]  
dev, tag_dev = zip(*devtest)  
print 'Feature number %f' %d  
print 'BernoulliNB`s accuracy is %f' %score(BernoulliNB())  
print 'MultinomiaNB`s accuracy is %f' %score(MultinomialNB())  
print 'LogisticRegression`s accuracy is %f' %score(LogisticRegression()) 
print 'SVC`s accuracy is %f' %score(SVC())  
print 'LinearSVC`s accuracy is %f' %score(LinearSVC())  
print 'NuSVC`s accuracy is %f'	
			
 6/10   首页 上一页 4 5 6 7 8 9 下一页 尾页
	
			

　　推荐阅读
　　Linux下使用sudo进行赋权
进修怎么在保护 root 暗码的安然性的同时，为可托用户付与所治理的收集功能和特定办事的权限。我比来写了一个简短的 Bash 法度榜样来将 MP3 文件大年夜一台收集主机的 USB 盘中拷贝到另一台收集主机上去。拷贝出来的>>>详细阅读


本文标题：使用python+机器学习方法进行情感分析(详细步骤)
地址：http://www.17bianji.com/lsqh/40229.html
 1/2    1