标签：apply git 取数 爬取 blog src pytho height tar
环境配置需要安装的包
pip install pandas
pip install jieba
pip install sklearn
一、数据获取
利用python抓取美团的数据集，获取非空的数据，抓取的字段包括店名、评论、评论的打分
二、数据预处理
导入sklearn的包
系统默认的包
1.数据洗涤
将爬取的数据进行数据洗涤，去除符号以及标点等，将结果按id和对应的评论重新组合在一起
形成一条数据一个评分
2.读取数据并做好标签
3.读取内容建立训练的字段
apply中的是分词函数，将每个句子化成词向量进行训练
tts分词的模型，test_size是测试集的大小
4.构建模型
其中stop_words是停用词
三、模型建立
1.初始化使用的分类模型
初始化贝叶斯模型
2.训练模型建立管道保存
四、预测
1.模型预测
算出准确率
五、注意
在3.0.x的python版本中sklearn的导入模型有变化，参考我给出的模型包。参考链接很详细，但是导入模型有点旧，有些不能使用训练集的准确率那个包就是如此
六、参考
参考blog：http://blog.sciencenet.cn/blog-377709-1103593.html
最后根据店铺的评论数和评论关键字生成词云
词云：https://www.cnblogs.com/future-dream/p/11624463.html
github：https://github.com/pzq7025/emotion
标签：apply git 取数 爬取 blog src pytho height tar
原文地址：https://www.cnblogs.com/future-dream/p/11626274.html
