基于scikit-learn的BBS垃圾文本分类器

论坛垃圾帖分类 scikit-learn + jieba + flask 运行 pip install -r requirements.txt gunicorn -w 2 -b 127.0.0.1:5000 main:app 学习 curl 'http://localhost:5000/train/?content=两个黄鹂鸣翠柳，一行白鹭上青天&type=ham' 会生成文件tmpVector.pkl*缓存HashingVectorizer向量，方便分类时使用，无需每次查数据仓库文件 文件train_data0.txt``train_data1.txt,数据仓库，存储已学习的文本 分类 curl 'http://localhost:5000/predict/?content=无知者无畏' 优缺点 速度 - 数据转化成查询向量，并且缓存起来不用每次从资料库计算，应该比较快 注意 - 除了垃圾要学，非垃圾的也要学，若不学非垃圾数据，分类器会将所有都判断成垃圾