支持向量机(Support Vector Machine,SVM)是一种常用的机器学习算法,主要用于分类和回归问题。它的基本思想是将数据映射到高维空间中,使得数据在该空间中线性可分,然后在该空间中寻找最优的超平面,将不同类别的数据分开。
SVM的优点在于可以处理高维数据,具有较好的泛化能力和鲁棒性。同时,SVM还可以使用核函数将数据映射到更高维的空间中,从而处理非线性问题。
SVM的核心是支持向量,即距离超平面最近的数据点。在训练过程中,SVM会寻找最大间隔超平面,即距离支持向量最远的超平面。这样可以使得分类器的泛化能力更好,对新的数据具有更好的预测能力。
SVM的训练过程可以使用优化算法来实现,例如序列最小优化(Sequential Minimal Optimization,SMO)算法。在实际应用中,SVM还可以使用软间隔和核函数等技术来处理噪声和非线性问题。
python
from sklearn.feature_extraction.text import CountVectorizer
import numpy as np
from sklearn import svm
X = np.array([
"这个电影太好看了",
"这个电影真是太差了",
"我喜欢这个电视剧",
"这个电视剧太无聊了"
])
y = np.array([1, 0, 1, 0]) # 1代表积极,0代表消极
vectorizer = CountVectorizer()
X = vectorizer.fit_transform(X)
clf = svm.SVC() #创建一个SVC对象,并使用fit方法拟合数据
clf.fit(X, y)
new_text = np.array(["这个电影非常棒"]) #假设有一个新的文本数据new_text
new_text = vectorizer.transform(new_text)
prediction = clf.predict(new_text)
print(prediction) #prediction是一个数组,包含了预测结果
如果你的数据来源于一个CSV文件中的很多条文本,你可以使用Python中的pandas库来读取CSV文件 。CSV中数据格式示例如下,包含两个字段:text
和label
。第一行是字段名,后面的行是数据记录。每一行的字段值使用逗号进行分隔:
python
text,label
这个电影太好看了,1
这个电影真是太差了,0
我喜欢这个电视剧,1
这个电视剧太无聊了,0
python
from sklearn.feature_extraction.text import CountVectorizer
import numpy as np
from sklearn import svm
# 读取CSV文件
df = pd.read_csv('data.csv', encoding='utf-8')
# 获取文本数据和标签
X = df['text'].values
y = df['label'].values
vectorizer = CountVectorizer()
X = vectorizer.fit_transform(X)
clf = svm.SVC() #创建一个SVC对象,并使用fit方法拟合数据
clf.fit(X, y)
new_text = np.array(["这个电影非常棒"]) #假设有一个新的文本数据new_text
new_text = vectorizer.transform(new_text)
prediction = clf.predict(new_text)
print(prediction) #prediction是一个数组,包含了预测结果
如果你的数据来源于一个txt文本中的很多句子,句子和标签之间用逗号分隔,示例如下:
这个电影太好看了,1
这个电影真是太差了,0
我喜欢这个电视剧,1
这个电视剧太无聊了,0
python
from sklearn.feature_extraction.text import CountVectorizer
import numpy as np
from sklearn import svm
# 读取txt文件
with open('data.txt', 'r', encoding='utf-8') as file:
lines = file.readlines()
sentences = []
labels = []
# 分割句子和标签
for line in lines:
line = line.strip() # 去除换行符和空格
sentence, label = line.split(',') # 使用逗号分隔句子和标签
sentences.append(sentence)
labels.append(label)
y=np.array(labels)
vectorizer = CountVectorizer()
X = vectorizer.fit_transform(sentences)
clf = svm.SVC() #创建一个SVC对象,并使用fit方法拟合数据
clf.fit(X, y)
new_text = np.array(["这个电影非常棒"]) #假设有一个新的文本数据new_text
new_text = vectorizer.transform(new_text)
prediction = clf.predict(new_text)
print(prediction) #prediction是一个数组,包含了预测结果
示例中使用了简单的词袋模型,将每个文本表示为一个向量,其中每个维度表示一个词的出现次数,使用CountVectorizer实现了
这一步骤。
程序输出结果如下:
python
[1]