平时ML的编程作业，python编写 数据说明： 数据为产品评论信息，目的是识别评论的情感（正负两类） 数据包含训练集&测试集，训练集为有标签的数据（1000条），测试集为无标签（200条） 每条评论信息除了包含需要识别情感的主评论信息之外，还包含了评论该条信息的作者对其它产品的评论（可以间接反映该用户评论特点）以及该产品其它用户的评论（可以间接反映该产品的特点） 目的： 识别主评论的情感 输出结果： 共200行，与tests_text.txt顺序一一对应，每行为0（neg）/1(pos).
这次作业主要用了朴素贝叶斯方法和K近邻方法编写 文本处理使用了nltk库进行分词，停用词过滤，词形还原等等，去除标点使用正则表达式。 文本向量化方面使用布尔权重。KNN方法中特征选择使用了皮尔森系数法，距离使用余弦相似度
从实验结果看，贝叶斯方法的效果更好