支持向量机文本分类python_TextGrocery，更好用的文本分类Python库

古龙说，无论什么东西，最好的都只有一种。经历半年的文本分类实践，我们基本已断定，最好的文本分类算法就是SVM -- 支持向量机。

但是纵然知道了天机，新手做文本分类仍然需要学习不少东西，例如算法原理、分词、向量化等等。如果用上scikit-learn这样的庞然大物，更有种高射炮打蚊子的异样感。

有没有可能把最好的文本分类算法，包装成一个超级简单的工具提供给大家？

这是我开发TextGrocery的初衷。

设计原则

幸好，我不是没有参照系。LibShortText打下了一个很好的基础，不仅提供了足够简单的API，而且背后的原理也有扎实的实验数据支撑(不过滤停用词，不过滤词性，使用线性核)。当然，LibShortText也有显著的缺陷：

不支持中文分词，这导致其在中文语料上的表现一塌糊涂

Analyzer模块不仅多余，而且输出全部为无格式文本，不可爱

如果不是专业的算法人员，默认参数永远是最好的选择，所以参数的自定义并不是很必要

中间数据的保存全部以文件格式，每次的训练和测试留下一些陌生文件，而且小规模的训练和测试用列表对象会更合适

代码很不Pythonic，也不支持Pypi的简便安装方式

总而言之，LibShorText虽然有引以为傲的技术，但对技术的使用者来说是不友好的。而TextGrocery希望把LibShortText变得更友好一些。

TextGrocery，是一个怎样的杂货铺？

引入结巴分词作为内置的默认分词器

精简LibShortText的代码࿰