实现文本分类和预测的python代码
时间: 2024-02-04 07:01:45 浏览: 23
好的,以下是一个简单的文本分类和预测的Python代码示例,使用朴素贝叶斯分类器:
```python
import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.model_selection import train_test_split
# 读取数据
data = pd.read_csv('data.csv')
# 将文本转化为数字向量表示
vectorizer = CountVectorizer()
X = vectorizer.fit_transform(data['text'])
y = data['label']
# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 训练模型
clf = MultinomialNB()
clf.fit(X_train, y_train)
# 评估模型
accuracy = clf.score(X_test, y_test)
print('Accuracy:', accuracy)
# 预测新数据
new_data = ['This is a positive sentence.', 'This is a negative sentence.']
X_new = vectorizer.transform(new_data)
y_pred = clf.predict(X_new)
print('Prediction:', y_pred)
```
以上代码实现了朴素贝叶斯分类器的训练和预测,其中用到了CountVectorizer将文本转化为数字向量表示,使用train_test_split函数将数据集划分为训练集和测试集,使用MultinomialNB训练朴素贝叶斯分类器,然后使用score函数评估模型准确率,最后使用predict函数对新数据进行分类预测。