使用数据分析检测假新闻

你认为网上流传的消息都是真实的吗?不客气。假新闻已经成为数字世界的一个严重问题。这一消息像野火一样蔓延开来，没有限制，迅速影响了数百万人的生活。那么我们该如何应对假新闻呢?这可不像求助于一个简单的事实核查员那么容易。这样的新闻是有意用一个故事一个故事的基础来写的。Python来帮助我们了。

希望在Analytics上构建项目?：

Analytics Kit将发送给您，您可以学习和构建使用教程。你今天就可以免费开始了!

1.使用R进行数据分析

项目描述

在深入了解假新闻检测项目之前，我们先来熟悉一下与这个项目相关的一些术语。

为了获得关于新闻的统计数据，我们需要计算该单词在文档中的出现次数。但是单词计数的一个问题是，像“the”这样的单词在文档中出现了很多次，但它的计数在编码向量中没有意义。

对此的一个解决方案是计算词频。用于此的方法是TF-IDF即“术语频率-反向文档频率”。

• 词的频率:它指示单词在文档中出现的次数。数值越高意味着该单词出现的次数越多，以此类推。
• 逆文档频率:IDF衡量这个词在同一作者的其他文章中的重要性。在一个文档中出现多次的单词也可能在其他文档中出现多次。

简而言之，TF-IDF是一个词频计数器，它试图突出显示有趣的单词。TF-IDF令牌化文档并编码新文档。TF-IDF Vectorizer将文档中的原始数据转换为TF-IDF矩阵。

本项目使用的模块

• numpy: numpy是一个包，代表“Numeric Python”。它是科学计算和计算的图书馆。它被用于线性代数，随机数能力，傅里叶变换和处理多维数组。Numpy还被用作通用数据的多维容器。它是一个复杂的、高性能的多维数组对象处理器。
• Pandas: Pandas是一个建立在Numpy之上的开源库。这意味着要运行pandas，您需要在机器上安装Numpy。它用于在Python中执行数据操作。Pandas提供了一种简单而有效的方法来对数据进行切片、合并、连接和重构。
• Sklearn:它是一个开源的Python库，包含了广泛的机器学习、预处理、交叉验证和可视化算法。

项目实施

本项目使用的数据集是news.csv。数据集的形状为7796*4。

该数据集有四列:第一列标识新闻，第二列和第三列是标题和文本，第四列是表示FAKE或REAL的标签。

按照以下步骤完成项目:

• 进行必要的导入。
• 将数据读入数据帧并获得数据的形状。
• 现在从DataFrame获取标签。
• 将数据集分割为训练和测试模型。
• 初始化TfidfVectorizer，使用英文停止词和最大文档频率0.7。
• 初始化PassiveAggressiveClassifier。
• 最后打印混淆矩阵，得到真假阴性和阳性的数据。
• 项目完成后，准确率达到92.82%。

软件要求:Pycharm Community Edition。

编程语言和模块: Python3, Numpy-module, pandas, sklearn。

你知不知道

2022世界杯亚洲区赛程表时间Skyfi实验室帮助学生学习实用的技能通过构建真实的项目。

你可以和朋友一起报名，并在家门口领取工具包

你可以向专家学习，建立可行的项目，向世界展示技能，获得最好的工作。
今天开始!

• 没有装备

• 数据挖掘
• Python

使用数据分析检测假新闻