Task3 基于机器学习的文本分类

Task3 基于机器学习的文本分类

本章学习内容

学习内容在此网页中https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12586969.1002.12.6406111aIKCSLV&postId=118254

本章作业

1.尝试改变TF-IDF的参数，并验证精度。

• 改变参数ngram_range的值，（1，1）时候：f1_score为0.859；（1，3）时候：f1_score为0.871；（1，5）时候：f1_score为0.875。结论：提高ngram_range，能提高f1_score值，但是随后增加不了多少。
• 改变max_features的值，3000时候：f1_score为0.871；5000时候：f1_score为0.885；10000时候：f1_score为0.890。结论：提高max_features的值，能提高f1_score值，但是随后增加不了多少。

2.尝试使用其他机器学习模型，完成训练和验证。
小白这个不怎么理解。

X = train_test
y = np.array(train['label'])
X_train, X_test, y_train, y_test = train_test_split(X,y,test_size=0.2,random_state=1000)
model = LogisticRegression(C=2.0)
model.fit(X_train,y_train)
y_predict = model.predict(X_test)
print(f1_score(y_predict, y_test, average='macro'))