达观杯文本处理任务

达观杯文本处理任务

​ 达观杯文本处理小demo如下图,训练数据与测试数据有2G多,在pycharm里运行demo时一直报错Process finished with exit code -1073740940 (0xC0000374),解决办法:

  • pandas包更新到最新版
  • pycharm中后缀为vmoptions的配置文件里XmsXmx的值调大(不明白原因)

配置文件:

在这里插入图片描述

demo:

import pandas as pd
# 逻辑回归
from sklearn.linear_model import LogisticRegression
# 文本特征提取 词汇在文本中出现的频率
from sklearn.feature_extraction.text import CountVectorizer

df_train = pd.read_csv('./train_set.csv')
df_test = pd.read_csv('./test_set.csv')
# inplace为True直接修改原数组 False将新结果赋给新的数组
df_train.drop(columns=['article', 'id'], inplace=True)
df_test.drop(columns=['article'], inplace=True)

vec = CountVectorizer(ngram_range=(1,2), min_df=3, max_df=0.9, max_features=100000)
vec.fit(df_train['word_seg'])
x_train = vec.transform(df_train['word_seg'])
x_test = vec.transform(df_test['word_seg'])
y_train = df_train['class'] - 1

lg = LogisticRegression(C=4, dual=True)
lg.fit(x_train,y_train)
y_test = lg.predict(x_test)
df_test['class'] = y_test.tolist()
df_test['class'] = df_test['class'] + 1
df_result = df_test.loc[:, ['id', 'class']]
df_result.to_csv('./result.csv', index=False)

print('完成............')
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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