第十三次作业-垃圾邮件分类2

1.读取

 

2.数据预处理

第十三次作业-垃圾邮件分类2_第1张图片

第十三次作业-垃圾邮件分类2_第2张图片

 

 第十三次作业-垃圾邮件分类2_第3张图片

 

3.数据划分—训练集和测试集数据划分

from sklearn.model_selection import train_test_split

x_train,x_test, y_train, y_test = train_test_split(data, target, test_size=0.2, random_state=0, stratify=y_train)

第十三次作业-垃圾邮件分类2_第4张图片

 

4.文本特征提取

sklearn.feature_extraction.text.CountVectorizer

https://scikit-learn.org/stable/modules/generated/sklearn.feature_extraction.text.CountVectorizer.html?highlight=sklearn%20feature_extraction%20text%20tfidfvectorizer

sklearn.feature_extraction.text.TfidfVectorizer

https://scikit-learn.org/stable/modules/generated/sklearn.feature_extraction.text.TfidfVectorizer.html?highlight=sklearn%20feature_extraction%20text%20tfidfvectorizer#sklearn.feature_extraction.text.TfidfVectorizer

from sklearn.feature_extraction.text import TfidfVectorizer

tfidf2 = TfidfVectorizer()

观察邮件与向量的关系

向量还原为邮件

第十三次作业-垃圾邮件分类2_第5张图片

 第十三次作业-垃圾邮件分类2_第6张图片

 第十三次作业-垃圾邮件分类2_第7张图片

 

 

4.模型选择

from sklearn.naive_bayes import GaussianNB

from sklearn.naive_bayes import MultinomialNB

说明为什么选择这个模型?

第十三次作业-垃圾邮件分类2_第8张图片

 

 

5.模型评价:混淆矩阵,分类报告

from sklearn.metrics import confusion_matrix

confusion_matrix = confusion_matrix(y_test, y_predict)

说明混淆矩阵的含义

from sklearn.metrics import classification_report

说明准确率、精确率、召回率、F值分别代表的意义

 第十三次作业-垃圾邮件分类2_第9张图片

 

 第十三次作业-垃圾邮件分类2_第10张图片

 

 

 第十三次作业-垃圾邮件分类2_第11张图片

 

 

6.比较与总结

如果用CountVectorizer进行文本特征生成,与TfidfVectorizer相比,效果如何?

 

你可能感兴趣的:(第十三次作业-垃圾邮件分类2)