[R语言]文本分类(1)

因项目需要，结合自身专业知识，故而接触了R语言及一些常用分类器。记录下自己这一个多月的学习历程。

R语言

与起源于贝尔实验室的s语言类似，R也是一种为统计计算和绘图而生的语言和环境，它是一套开源的数据分析解决方案，由一个庞大且活跃的全球性研究型社区维护。

R是一门脚本语言，在绘图方面有着非常强的能力，它可以让你集中到你要设计的逻辑上来，而不必太过纠结于代码的实现。它的包实在太丰富，几乎能满足你全部的需要。我使用的IDE是RStudio。然后介绍几个我在文本分类里用到的包：

• RODBC 连接数据库的包，我主要用它读取数据库里的信息然后保存到本地，制成文本文件。
• tm 文本挖掘的包，对数据的读入、输出及语料库的提取、转化、过滤等等，最终转化成文档-词条矩阵。
• RwordSeg 这是一个分词包，需配合rJava包一起使用。分词效果对我而言已够用。
• maxent 最大熵分类器包，选择最大熵分类器是因为它效率较高。
• e1071 该包中有svm分类器。具体可看使用者文档。

为了激发兴趣，学习了其中一个很有意思的包：词云包——WordCloud
代码如下：

library(wordcloud)  #加载wordcloud包
library(RColorBrewer) #加载颜色包
png(file="WordCloud.png", bg="white",width = 600, height = 780) #新建一个png的文件作为词云文件。

colors = brewer.pal(8,"Dark2")[-(1:4)]
data = read.csv("wordcount.txt") #读取设置的词及频度，用于显示。

#然后调用wordcloud函数，每个参数都有各自的含义，具体可在网上查阅。
wordcloud(data$name,data$count,scale=c(3,0.4),min.freq = -Inf,max.words=178,colors =             colors,random.order = F,random.color = T,ordered.colors = F)

dev.off() 

截个图
wordcloud.txt:

worcloud.png:

再推荐一本书：R语言实战，实例讲解，很好懂。
论坛：人大经济学论坛，