杂货店 基于LibLinear的简单高效的短文本分类工具 嵌入作为默认标记器，以支持中文标记化 其他语言： 表现 火车组合：48个带有32个标签的新闻标题 测试集：带有32个标签的16k新闻标题 与svm和朴素贝叶斯进行比较 分类器 准确性 时间成本 scikit学习（nb） 76.8％ 134 scikit学习（svm） 76.9％ 121 杂货店 79.6％ 49 样例代码 >> > from tgrocery import Grocery # Create a grocery(don't forget to set a name) >> > grocery = Grocery ( 'sample' ) # Train from list >> > train_src = [ ( 'education' , 'Student debt to cost Brit

大数据SVM训练分类器，使用方法参考https://blog.csdn.net/sinat_22548843/article/details/46931831

liblinear最新版1.96（2014.11出），有需要的拿去

TextGrocery：一简单高效的短文本分类工具，基于 LibLinear 和 Jieba

LIBLINEAR是一个简单的求解大规模规则化线性分类和回归的软件包。最显著的的特点就是速度快。对一些大数据来说，有没有非线性映射，他们的性能差不多。如果不使用核，我们可以用线性分类或者回归来训练一个更大的数据集。这些数据往往具有非常高维的特征，例如文本分类Document classification。