摘要：古龙说，无论什么东西，最好的都只有一种。经历半年的文本分类实践，我们基本已断定，最好的文本分类算法就是支持向量机。有没有可能把最好的文本分类算法，包装成一个超级简单的工具提供给大家这是我开发的初衷。
古龙说，无论什么东西，最好的都只有一种。经历半年的文本分类实践，我们基本已断定，最好的文本分类算法就是SVM -- 支持向量机。
但是纵然知道了天机，新手做文本分类仍然需要学习不少东西，例如算法原理、分词、向量化等等。如果用上scikit-learn这样的庞然大物，更有种高射炮打蚊子的异样感。
有没有可能把最好的文本分类算法，包装成一个超级简单的工具提供给大家？
这是我开发TextGrocery的初衷。
幸好，我不是没有参照系。LibShortText打下了一个很好的基础，不仅提供了足够简单的API，而且背后的原理也有扎实的实验数据支撑（不过滤停用词，不过滤词性，使用线性核）。当然，LibShortText也有显著的缺陷：
不支持中文分词，这导致其在中文语料上的表现一塌糊涂
Analyzer模块不仅多余，而且输出全部为无格式文本，不可爱
如果不是专业的算法人员，默认参数永远是最好的选择，所以参数的自定义并不是很必要
中间数据的保存全部以文件格式，每次的训练和测试留下一些陌生文件，而且小规模的训练和测试用列表对象会更合适
代码很不Pythonic，也不支持Pypi的简便安装方式
总而言之，LibShorText虽然有引以为傲的技术，但对技术的使用者来说是不友好的。而TextGrocery希望把LibShortText变得更友好一些。
TextGrocery，是一个怎样的杂货铺？
引入结巴分词作为内置的默认分词器
精简LibShortText的代码，去掉Analyzer和参数自定义模块，修复bug，改善PEP8
训练和测试的文本都支持列表传入
提供Pypi的安装方式
示例代码python>>> from tgrocery import Grocery
# 新开张一个杂货铺，别忘了取名！
>>> grocery = Grocery("sample")
# 训练文本可以用列表传入
>>> train_src = [
("education", "名师指导托福语法技巧：名词的复数形式"),
("education", "中国高考成绩海外认可 是“狼来了”吗？"),
("sports", "图文：法网孟菲尔斯苦战进16强 孟菲尔斯怒吼"),
("sports", "四川丹棱举行全国长距登山挑战赛 近万人参与")
]
>>> grocery.train(train_src)
# 也可以用文件传入
>>> grocery.train("train_ch.txt")
# 保存模型
>>> grocery.save()
# 加载模型（名字和保存的一样）
>>> new_grocery = Grocery("sample")
>>> new_grocery.load()
# 预测
>>> new_grocery.predict("考生必读：新托福写作考试评分标准")
education
# 测试
>>> test_src = [
("education", "福建春季公务员考试报名18日截止 2月6日考试"),
("sports", "意甲首轮补赛交战记录:米兰客场8战不败国米10年连胜"),
]
>>> new_grocery.test(test_src)
# 准确率
0.5
# 同样可以用文本传入
>>> new_grocery.test("test_ch.txt")
# 自定义分词器
>>> custom_grocery = Grocery("custom", custom_tokenize=list)
安装
pip install tgrocery
让文本分类更爽一些吧！
GitHub传送门 --> TextGrocery
未完成训练时仍然要耗费写入.svm的文件再读取的额外I/O时间，下一步希望改成直接通过内存传递
LibLinear的输出实际上可以看成一个dict，包含一个样本对所有类别的决策变量，目前仅把值最高的类别取了出来，也许有朋友会想用这个决策变量做一些更有趣的事情。
0.2版本会提供过程数据和结果数据的统计工具
盗火者普罗米修斯是希腊神话中的一个人物，他从太阳神阿波罗那里盗走火种送给人类，给人类带来的光明，他因此而受到宙斯的处罚，被绑在高加索山，每日忍受风吹日晒和鹫鹰啄食。
希望会有志同道合的同学加入到「盗火者」的行列，一起来让机器学习更简单！
来自：建造者说
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/45338.html
摘要：在不懂和等协议的情况下，我直接打个比方来解释一下什么是请求，以浏览器为例，人在浏览器输入，然后敲击键，直到页面出现，整个过程，我们可以抽象为我们向百度服务器发起的一次请求。更专业，更详细的解释，自己去百度学习吧。 前言 刚学完python基础，想学习爬虫的新手，这里有你想要的东西。 本文着重点在于教新手如何学习爬虫，并且会以外行人的思维进行形象地讲解。最近我一兄弟想学，我就想写个...
阅读 3868·2021-09-10 11:22
阅读 2324·2021-09-03 10:30
阅读 3659·2019-08-30 15:55
阅读 1870·2019-08-30 15:44
阅读 839·2019-08-30 15:44
阅读 581·2019-08-30 14:04
阅读 3041·2019-08-29 17:18
阅读 1262·2019-08-29 15:04
