Orange与NLTK在Python中的内容分类

Question

我们需要一个内容分类模块。贝叶斯分类器似乎是我要找的。我们要买橘子还是NLTK？在

Answer 1

文档证明，每个库中的naivebayes实现非常简单 所以为什么不运行你的数据并比较结果呢？在

Orange和NLTK都是成熟、稳定的库（每个库都有10多年的开发经验） 起源于大型大学；它们有一些共同的特点，主要是机器学习 算法。除此之外，它们在范围、目的和实现上都有很大的不同。在

橙色是一个领域不可知论者，不针对某一特定的学科 或者说是商业领域，它却宣称自己是全栈数据挖掘 以及ML平台。它的重点是工具本身，而不是这些工具在特定学科中的应用。在

它的特性包括IO、数据分析算法和 数据可视化画布。在

另一方面，NLTK最初是一个计算领域的学术项目 一所大型大学的语言学系。你提到的任务 （文档内容分类）和您选择的算法（naivebayesian） NLTK的核心功能非常正确。NLTK确实如此 有ML/数据挖掘算法，但这只是因为它们有一个特定的 计算语言学中的效用。在

NLTK当然包括一些ML算法，但这仅仅是因为它们在计算语言学中具有实用性，以及文档解析器、标记器、词性 分析仪等，所有这些都包括NLTK。在

也许橙色的naivebayes实现也一样好，我还是选择NLTK的 实现，因为它显然针对您提到的特定任务进行了优化。在

有许多关于NLTK的教程，特别是关于其naivebayes的教程 内容分类。例如，Jim Plus和streamhacker.com的一篇博客文章非常出色 使用NLTK的naivebayes的教程；第二个教程包括一行一行的 讨论访问此模块所需的代码。这两本书的作者 posts报告使用NLTK的结果很好（前者92%，后者73%）。在