微博立场检测实战

数据

数据来源：一个比赛

数据格式如下图所示：五个target，三个stance,文本是微博

1.导入必要的库

import pandas as pd
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.model_selection import StratifiedKFold
from sklearn.naive_bayes import MultinomialNB
from sklearn.metrics import accuracy_score
import numpy as np

2.读取数据

直接read_csv会报错。其中训练数据2400条，测试数据600条，测试数据没有标签

train_data = pd.read_csv('data/train.csv',sep=None,engine='python',encoding='utf-8')
test_data = pd.read_csv('data/test.csv',sep=None,engine='python',encoding='utf-8')

3.数据预处理

1.标签映射为数字。这里建两个字典，一个是标签到数字的映射，一个是数据到标签的映射