#對文字分類的樸素貝葉斯模型的超引數組合進行網格搜尋
#從sklearn.datasets中匯入20類新聞文字抓取器
from sklearn.datasets import fetch_20newsgroups
import numpy as np

#抓取新聞資料
news=fetch_20newsgroups(subset='all')

#資料集分割
from sklearn.cross_validation import train_test_split
X_train,X_test,y_train,y_test=train_test_split(news.data[:3000],
        news.target[:3000
 
],test_size=0.25,random_state=33)
#SVM
from sklearn.svm import SVC
#匯入TfidVectorizer文字抽取器
from sklearn.feature_extraction.text import TfidfVectorizer

#匯入Pipeline
from sklearn.pipeline import Pipeline
#使用pipeline簡化系統搭建流程，將文字抽取與分類模型串聯
clf=Pipeline([('vect',TfidfVectorizer(stop_words='english',analyzer='word'
 
)),('svc',SVC())])

#超引數
parameters={'svc__gamma':np.logspace(-2,1,4),'svc__C':np.logspace(-1,1,3)}
#網格搜尋模型GridSearchCV
from sklearn.model_selection import GridSearchCV

#初始化單執行緒網格搜尋
gs=GridSearchCV(clf,parameters,verbose=2,refit=True,cv=3)

#初始化配置並行網格搜尋，n_jobs=-1代表使用該計算機全部的CPU
gs=GridSearchCV(clf,parameters,verbose=2
 
,refit=True,cv=3,n_jobs=-1)

time_=gs.fit(X_train,y_train)
gs.best_params_,gs.best_score_
#輸出最佳模型在測試集上的準確性
print(gs.score(X_test,y_test))
#0.822666666667

單執行緒

多執行緒，並行