xgboost虚假新闻检测

### 使用 XGBoost 实现虚假新闻检测

#### 数据准备
为了构建有效的机器学习模型，数据集的质量至关重要。对于虚假新闻检测任务，通常需要收集大量标注过的新闻样本作为训练和测试数据[^1]。

import pandas as pd

# 假设有一个CSV文件包含了新闻标题、正文以及标签(真实/假)
data = pd.read_csv('news_dataset.csv')
print(data.head())

#### 特征工程
特征的选择直接影响到最终模型的表现效果。可以从以下几个方面提取特征：

- **文本统计特性**：比如词频(TF-IDF)，字符长度等。
- **情感分析得分**：通过自然语言处理工具计算每篇文章的情感倾向分数。
- **传播模式**：研究社交网络上的转发路径可以揭示某些特定类型的谣言行为模式[^2]。

from sklearn.feature_extraction.text import TfidfVectorizer

vectorizer = TfidfVectorizer(max_features=5000, ngram_range=(1, 3))
tfidf_matrix = vectorizer.fit_transform(data['content'])
features_df = pd.DataFrame(tfidf_matrix.toarray(), columns=vectorizer.get_feature_names_out())

#### 训练XGBoost分类器
一旦准备好输入特征矩阵 `X` 和目标变量 `y` ，就可以利用这些来训练一个二元分类器了。这里选择了XGBoost算法因为它具有良好的性能表现并且能够有效防止过拟合现象的发生[^3]。

from xgboost import XGBClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 准备好用于建模的数据集
X_train, X_test, y_train, y_test = train_test_split(features_df, data['label'], test_size=0.2)

model = XGBClassifier(use_label_encoder=False, eval_metric='logloss', objective="binary:logistic", random_state=42)
model.fit(X_train, y_train)

predictions = model.predict(X_test)
accuracy = accuracy_score(y_test, predictions)
print(f'Accuracy: {accuracy * 100:.2f}%')