互联网情感分析（nlp文本分类任务）

传统方法中，这次主要考虑OOP，但是可能代码写的有些鬼畜，这些还是需要慢慢体会，如何通过OOP更好提高可维护性等问题。

• 突然发现我这样写并不好，不方便用pipeline把特征工程和模型的参数一起搜参。。。
• 所以第一次写还是可以基于过程来写，然后改成OOP，感觉自己上来设计OO还是hold不住

10.19目前分了4部分

• PreProcess 预处理
• MyModel 特征工程+ML模型
• Evaluate 进行模型评估
• main

四部分分别如下：

from MyModel import Model
from time import time
import numpy as np
from sklearn import metrics
from sklearn.model_selection import cross_val_score, KFold
from sklearn.model_selection import GridSearchCV, RandomizedSearchCV


class Evaluator(Model):
    def __init__(self, X, y):
        super(Evaluator, self).__init__(X, y)  # super会查找所有的超类，以及超类的超类

    # def __getitem__(self, item):
    #     pass

    def cross_val(self, clf):
        Kfold = KFold(n_splits=5, shuffle=True, random_state=1)  # shuffle作用：使每一折各类别的比例与总数据集相同
        scores =