Respuesta: from sklearn.feature_extraction.text import CountVectorizer from sklearn.feature_extraction.text import TfidfTransformer from sklearn.naive_bayes import MultinomialNB# leer datos train_data = [... ] test_data = [... ]# crear palabra vector cv = CountVectorizer( ) X_tren = cv.fit_transform(tren_datos) X_test = cv.tran
Escriba un fragmento de código que utilice la clasificación bayesiana, utilice CountVectorizer para la vectorización y utilice la ponderación TF-IDF...
Supongo que te gusta
Origin blog.csdn.net/weixin_35757191/article/details/129574653
Recomendado
Clasificación