五、(3)朴素贝叶斯预测文章类别
# -*- coding: utf-8 -*-
"""
Created on Mon May 20 12:25:00 2019
@author: zhangzongji
"""
import os #用于读取文件
import jieba #用于给中文分词
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
#preprocess用于将一个文本文档进行切词,并以字符串形式输出切词结果
def preprocess(path_name):
text_with_spaces=""
textfile=open(path_name,"r",encoding="utf-8").read()
textcut=jieba.cut(textfile)
for word in textcut:
text_with_spaces+=word+" "
return text_with_spaces
#loadtrainset用于将某一文件夹下的所有文本文档批量切词后,载入为训练数据集;返回训练集和每一个文本(元组)对应的类标号。
def loadtrainset(path,classtag):
allfiles=os.listdir(path)
processed_textset=[]
allclasstags=[]
for thisfile in allfiles:
path_name=path+"/"+thisfile
processed_textset.append(preprocess(path_name))
allclasstags.append(classtag)
return processed_textset,allclasstags
#输入所有的类别地址,根据自己需求下载各个类别的文本,然后放到同一文件夹下。
processed_textdata1,class1=loadtrainset(r"C:\Users\sun\Desktop\论文\算法代码\朴素贝叶斯算法\预测文章类别\所有文章类别\交通","交通")
processed_textdata2,class2=loadtrainset(r"C:\Users\sun\Desktop\论文\算法代码\朴素贝叶斯算法\预测文章类别\所有文章类别\教育","教育")
processed_textdata3,class3=loadtrainset(r"C:\Users\sun\Desktop\论文\算法代码\朴素贝叶斯算法\预测文章类别\所有文章类别\经济","经济")
processed_textdata4,class4=loadtrainset(r"C:\Users\sun\Desktop\论文\算法代码\朴素贝叶斯算法\预测文章类别\所有文章类别\军事","军事")
integrated_train_data=processed_textdata1+processed_textdata2+processed_textdata3+processed_textdata4
classtags_list=class1+class2+class3+class4
count_vector = CountVectorizer()
#该类会将文本中的词语转换为词频矩阵,矩阵元素a[i][j] 表示j词在i类文本下的词频
vector_matrix = count_vector.fit_transform(integrated_train_data)
#tfidf度量模型
train_tfidf = TfidfTransformer(use_idf=False).fit_transform(vector_matrix)
#将词频矩阵转化为权重矩阵,每一个特征值就是一个单词的TF-IDF值
#调用MultinomialNB分类器进行训练
clf = MultinomialNB().fit(train_tfidf,classtags_list)
#测试,本代码从网上下载了一篇关于军事的新闻进行预测。
testset=[]
testset.append(preprocess(r"C:\Users\sun\Desktop\论文\算法代码\朴素贝叶斯算法\预测文章类别\把预测文章放入此文件夹\军事新闻.txt"))
new_count_vector = count_vector.transform(testset)
new_tfidf= TfidfTransformer(use_idf=False).fit_transform(new_count_vector)
predict_result = clf.predict(new_tfidf) #预测结果
print("预测文章类别为:",predict_result)
运行结果如图示;
本文参考链接https://www.cnblogs.com/d0main/p/6914742.html
搞定收工。
“☺☺☺ 若本篇文章对你有一丝丝帮助,请帮顶、评论点赞,谢谢。☺☺☺”
↓↓↓↓