KNN、贝叶斯来训练词向量

前面我们已经训练好词向量了,利用Word2vec将旅游评论数据转化为词向量,也有用最大熵模型来训练模型,利用最大熵模型来训练词向量,这次我们试着用KNN和贝叶斯来做。其实也就是调模型,也没有技术含量,所以直接上代码吧,不解释。

print("knn")
neigh = KNeighborsClassifier(n_neighbors=3)
neigh.fit(x_train, y_train)
y_pred=neigh.predict(x_test)
# print(neigh.predict_proba([[0.9]]))
target_name = ['score 0','score 1','score 2','score 3','score 4','score 5']
print(classification_report(y_test,y_pred, target_names=target_name))
#贝叶斯模型
print("bayes")
gnb = GaussianNB()
y_pred = gnb.fit(x_train, y_train).predict(x_test)

# print("Number of mislabeled points out of a total %d points : %d"
#      % (iris.data.shape[0],(iris.target != y_pred).sum()))
target_name = ['score 0','score 1','score 2','score 3','score 4','score 5']
print(classification_report(y_test,y_pred, target_names=target_name))

训练的结果为

结果不是很理想,等实训结束后再调调吧。

文章代码已上传到github上,传送门

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
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