准备分类的训练数据

第一列为：输入

第二列为：输出

药品分类数据

数据分词预处理

import jieba
cutname=lambda x : ' '.join(jieba.lcut(x))
data['药品名称']=data['药品名称'].Apply(cutname)

将数据拆分为训练集和测试集

x_train,x_test,y_train,y_test=train_test_split(data.药品名称,data.药品类型,test_size=0.3)

构建分类器

# 向量化（vectorizer） => 转换器（transformer） => 分类器（classifier）
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB #贝叶斯
text_clf = Pipeline([     ('vect', CountVectorizer()),
     ('tfidf', TfidfTransformer()),
     ('clf', MultinomialNB()),
 ])text_clf.fit(x_train, y_train)#训练

模型评估

print(classification_report(y_test,text_clf.predict(x_test)))
predicted = text_clf.predict(x_test)np.mean(predicted == y_test)  

模型评估

• 对原料药和保健药品分类效果比较差

模型评估

调用分类器进行分类预测

text_clf.predict(['阿莫西林'])

阿莫西林药品分类