【代码分享】基于python的文本分类(sklearn-决策树和随机森林实现)

下面是一个基于Python的文本分类的代码分享，使用了sklearn中的决策树和随机森林算法。

首先，需要安装sklearn库，可以使用以下命令进行安装：

pip install -U scikit-learn

然后，导入所需的库和模块：

from sklearn.feature_extraction.text import CountVectorizer
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

接下来，加载数据集并进行数据预处理：

# 加载数据集
data = open('data.txt').read()

# 分割为文本和类别
text, labels = [], []
for line in data.split('\n'):
    text.append(line.split('\t')[0])
    labels.append(line.split('\t')[1])

# 将文本数据转换为数值特征向量
vectorizer = CountVectorizer()
X = vectorizer.fit_transform(text)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, labels, test_size=0.2, random_state=42)

然后，使用决策树进行文本分类：

# 创建决策树分类器并进行训练
dt_classifier = DecisionTreeClassifier()
dt_classifier.fit(X_train, y_train)

# 在测试集上进行预测
y_pred_dt = dt_classifier.predict(X_test)

# 计算准确率
accuracy_dt = accuracy_score(y_test, y_pred_dt)
print("决策树准确率:", accuracy_dt)

最后，使用随机森林进行文本分类：

# 创建随机森林分类器并进行训练
rf_classifier = RandomForestClassifier()
rf_classifier.fit(X_train, y_train)

# 在测试集上进行预测
y_pred_rf = rf_classifier.predict(X_test)

# 计算准确率
accuracy_rf = accuracy_score(y_test, y_pred_rf)
print("随机森林准确率:", accuracy_rf)

以上就是基于Python的文本分类代码示例，使用了sklearn中的决策树和随机森林算法。可以根据自己的数据集和需求进行相应的调整和优化。