本文介绍了将机器学习应用于医疗咨询分类的过程，包括数据预处理、分词、构建文本向量、训练线性回归模型以及遇到的问题和解决方案。使用jieba进行分词，scikit-learn计算TF-IDF并训练模型，最终在测试集上获得74%的准确率。
一 序
真实数据非公开测试数据集，所以不能外泄。学习完线性回归模型之后，想再实际项目中应用下。
项目背景：
咨询需要分诊的类型如给医生、护士、客服等不同人处理。目前是人工处理分类。
数据格式比较简单：分类结果，咨询内容。
二 技术方案
首先，我们需要对数据进行处理，通过中文分词将原始内容转换为文本向量。随后，使用机器学习算法对数据进行训练，得到模型后使用测试数据集进行验证。
三 分词
试验过，如果使用默认的TFIDF模型，分词的数据不太好。
所以改用jieba分词
jieba分词，网上帖子很多了。
说下我遇到的坑。
data = pd.read_csv('data.csv',encoding='utf-8',dtype=str,header=None)
读取csv文件之后，尝
最低0.47元/天 解锁文章
扫一扫
9590
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
