Fork me on GitHub
2020年10月8日
利用TfidfVectorizer进行中文文本分类（数据集是复旦中文语料）
摘要： 1、对语料进行分析 基本目录如下： 其中train存放的是训练集，answer存放的是测试集，具体看下train中的文件： 下面有20个文件夹，对应着20个类，我们继续看下其中的文件，以C3-Art为例： 每一篇都对应着一个txt文件，编码格式是gb18030.utf8文件夹下的是utf-8编码格式 阅读全文
posted @ 2020-10-08 19:45 西西嘛呦 阅读(5250) 评论(11) 推荐(4) 编辑