用户评论分类模型
本模型用于对用户提交的反馈进行分类，预测不同的反馈于相应分类。用户可使用预先训练好的模型进行用户评论分类，或者加载新的用户评论重新训练。
本文将介绍如何使用训练以及使用模型，相应文件输入类型和输出类型，和安装包需求。
可运行下列命令根据输入的文件进行训练，在model/路径下执行
样例:python3 train.py --trainData 1625label.xlsx --saveModel pre-trained.model --c 0.04 --gamma 10 --prob 0.5
--c 自选惩罚系数c参数 --gamma 自选gamma参数 --prob 自选概率参数
(推荐取值范围 c = (0.001, 10000), gamma = [1,10,100,1000], prob概率 = (0.3, 0.7)
惩罚系数c：C调大，分类器更不允许误差样本存在，但是会造成过拟合
gamma：gamma越大，高斯核函数对应的曲线就越尖瘦或决策树深度越深，在训练集上误差会越小，准确率越高，但也会造成过拟合
prob概率阈值：预测结果的时候，首先得到的是每个分类的预测结果的概率。如果该概率大于设定的prob阈值，则预测为相应分类。
输入的训练文件应符合以下格式
--input.xlsx: 输入文件名
1. 有几类输入数据，xlsl输入文件下就应有几个表
如空中，营销，地面，其他四个输入类别，即应有四个表
2. 每个表中，每一行是每一条评价文本
如在空中服务表中，第一行为: 段晓丹空乘小姐姐，服务满分
--saveModel: 输出模型名称
输出模型即为.model后缀的文件，用于后续预测数据时使用
样例:../data/raw/1625label.xlsx
可运行下列命令根据输入的文件进行训练，在model/路径下执行
python3 classify.py --model pre-trained.model --data data.xlsx， 结果输出在data.xlsx
python3 classify.py --model csa_user_comment.model --data data.xlsx， 结果输出在data.xlsx
模型的使用需要下列格式的文件 文件尾缀: ".model"
--data.xlsx: 待分类文件名
xlsl文件只有一个表，表名字可以是任何，表中每行数据即是每条需要被分类的数据
样例:../data/raw/test.xlsx
输出文件名是prediction.xls，路径在/data/prediction/下:
1. 输出文件只有一个表，表名prediction
2. 表中有三列，三列名字分别为raw example / segment example / prediction
raw example中是待分类的原始数据，segment example是待分类经过预处理后的数据,prediction下是分类结果
样例:../data/prediction/prediction.xlsx
所有命令均在model/路径下执行
在命令行中运行命令python3 train.py --trainData input.xlsx --saveModel “客户自己定义的模型文件名” --c 0.04 --gamma 10 --prob 0.5
即可得到训练模型于/model/下
在命令行中运行命令python3 classify.py --model pre-trained.model --data data.xlsx
即可得到预测结果prediction.xls于../data/prediction/下
在命令行中运行命令python3 classify.py --model “客户定义的训练模型文件名” --data data.xlsx
即可得到预测结果prediction.xls于../data/prediction/下
文件夹data/raw下存放输入训练数据，以及需要测试的数据
文件夹data/prediction下是输出结果
文件夹model下存放预先训练好的model文件以及核心代码
python要求 3.7
scikit learn相关包，mlxtend机器学习包
pkuseg北大中文分词包,zhon中文分词包，jieba分词包，
xlrd,xlwt包