主要内容
在10行代码中尝试文本分析
此示例显示如何使用文本分析来使用10行的MATLAB®代码对文本数据进行分类。尝试实现Matlab中的文本分析的最简单。
您可以创建一个简单的分类模型，它使用Word频率计数作为预测器。此示例列举了分类模型，以预测使用文本描述来预测工厂报告的事件类型。
创建模型
创建模型的主要步骤是：
导入 - 将文本数据导入MATLAB。
预处理 - 预处理文本进行单词分析。
转换 - 将文本转换为数字数据。
火车 - 训练分类模型。
导入示例文本数据和标签，授权文本，使用袋式模型将其转换为数字数据，并培训监督的SVM分类器。
数据=可读取（'factoryreports.csv'那'texttype'那'细绳'）;％读取数据标签=分类（data.category）;％读取标签文档= tokenizeddocument（data.description）;％预处理文本bag = bagofwords（文件）;％计数单词xtrain = bag.counts;％转换为数字数据mdl = fitcecoc（Xtrain，标签，'学习者'那'线性'）;％火车分类器
使用新数据预测
预测的步骤与培训相似。要使用新数据预测，预处理文本数据并使用用于培训的相同步骤将其转换为数字。然后，使用训练的模型预测标签。
预测文本的标签“冷却液在分拣机下面汇集。”。
str =“冷却液在分拣机下面汇集。”;％导入文本documentnew = tokenizeddocument（str）;％预处理文本xtest =编码（包，doversidnew）;％转换为数字标签=预测（MDL，XTEST）％预测标签
标签=分类泄漏
有关显示更详细工作流程的示例，请参阅为分类创建简单的文本模型。
对于文本分析中的下一步，您可以通过预处理数据来尝试提高模型准确性，并使用Word云可视化文本数据。对于例子，见准备分析的文本数据和使用Word云可视化文本数据。
也可以看看
相关话题
您还可以从以下列表中选择一个网站：
