# project-text-classify

**Repository Path**: ai100/project-text-classify

## Basic Information

- **Project Name**: project-text-classify
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2018-07-09
- **Last Updated**: 2020-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 人工智能工程师直通车 项目 1: 文本分类



## 1、任务简介： 

在金融行业，对企业的估值是进行决策的重要影响因素。而对一个价值未知的企业进 行估值，相对估值法是经常用到的，即在市场上找到与标的企业相似的、市值相对确定的 企业，来为标的企业的估值提供参考。

 但是市场上的企业数量极大，依靠人力难以快速准确地找到相似企业。对企业进行分 类是找到相似企业完成对标的基础。本项目旨在利用我们所学的机器学习技术，根据企业 的文字描述对其进行分类（企业分成 10 类，1～10），以便进一步确定企业间的相似度， 完成对标关系的确定。

## 2、数据描述：

（1）训练数据集：training.csv 

每个训练样本包含两个字段，分别为企业类别标签（1～10）和企业的文字描述（文 本）。训练数据示例：

|  |  |
| ---- | ------------------------------------------------------------ |
| 2    | 公司的主营业务为向中小微企业、个体工商户、农户等客户提供贷款服务，自设 立以来主营业务未发生过变化。 |
| 1    | 公司立足于商业地产服务，致力于为商业地产开发、销售、运营全产业链提供一 整套增值服务，业务覆盖商业定位及策划、商业设计、销售代理、招商代理电子 商务、以及商业地产运管服务；同时开展应用互联网电商模式，采取 O2O 线上导 流线下服务方式进行住宅类业务的创新营销服务。公司的业务板块包括商业地产 策划顾问、专业招商及运营管理、代理销售、麦吉铺 O2O 电子商务。 |

（2） 测试数据集：testing.csv

 测试数据也包含两个字段，分别为样本索引和对应的企业描述。


|  |  |
| ---- | ------------------------------------------------------------ |
| 1   | 经工商登记机关核准，本公司的经营范围包括：许可经营项目：面向“三农” 发放贷款、提供融资性担保... |
| 2   | 公司主营业务是从事保险标的出险后的查勘、检验和估损理算等保险中介服 务。公司及子公司中平评估致... |

(3) 提交测试结果：result.csv

 提交测试结果也包含两个字段，分别为测试样本索引及对应的企业分类预测结果。

|  |  |
| ---- | ------------------------------------------------------------ |
| 1   | 2 |
| 1  | 2 |

 

## 3、评价标准：

 项目需要根据训练数据训练一个企业分类模型，然后对测试集中的企业进行分类。本 项目采用分类正确率来进行评分，令$y_i$为第 i 个样本真正的标签，$\hat y_i$为模型对第i个的预测 值，N 为样本数据，则模型的正确率为

$$
accuracy=\frac{1}{N} \sum^N_{i=0}1(y_i=\hat y_i)
$$

## 4、提示：

注意：由于企业描述是文本信息，需要对文本信息进行特征提取。

 文本分词可采用 Jieba 分词或 jieba_fast：

**Jieba 分词：** 

https://github.com/fxsjy/jieba

 http://blog.csdn.net/FontThrone/article/details/72782499

**jieba_fast：**

 https://pypi.python.org/pypi/jieba-fast

 主页：https://github.com/deepcs233/jieba_fast