KNN、贝叶斯来训练词向量

前面我们已经训练好词向量了，利用Word2vec将旅游评论数据转化为词向量，也有用最大熵模型来训练模型，利用最大熵模型来训练词向量，这次我们试着用KNN和贝叶斯来做。其实也就是调模型，也没有技术含量，所以直接上代码吧，不解释。

print("knn")
neigh = KNeighborsClassifier(n_neighbors=3)
neigh.fit(x_train, y_train)
y_pred=neigh.predict(x_test)
# print(neigh.predict_proba([[0.9]]))
target_name = ['score 0','score 1','score 2','score 3','score 4','score 5']
print(classification_report(y_test,y_pred, target_names=target_name))
#贝叶斯模型
print("bayes")
gnb = GaussianNB()
y_pred = gnb.fit(x_train, y_train).predict(x_test)

# print("Number of mislabeled points out of a total %d points : %d"
#      % (iris.data.shape[0],(iris.target != y_pred).sum()))
target_name = ['score 0','score 1','score 2','score 3','score 4','score 5']
print(classification_report(y_test,y_pred, target_names=target_name))

训练的结果为

结果不是很理想，等实训结束后再调调吧。

文章代码已上传到github上，传送门