Python 面向财经新闻的机器学习

我有一份来自各种金融网站（如彭博社、MarketWatch、CNN等）的新闻文章列表。我想根据这些文章的财务相关性对它们进行分类，以了解是否涉及任何财务困境或危机

我已经使用NLTK开发了一个Python程序，它根据每一篇文章的财务相关性对其进行评分

目前，我使用的关键词列表/词典如下：

• 市场
• 财务
• 损失
• 贷款等

然后检查这个列表中有多少单词出现在新闻文章中，并为每个单词保留一个分数，然后将所有单词的分数相加得到一个总分

同样，我也有金融短语的列表/词典：

• 不同意债权人的意见
• 申请破产
• 第11章的文件等

将此列表和上述列表中的分数相加，然后将总分数分配给文章，这是文章相关性的指标

我想在这个过程中加入机器学习，并希望将上述方法中已经分类的新闻文章作为训练集

---

请帮助找到实现这一点的最佳算法。

这是一个分类机器学习问题，逻辑回归可以做到这一点：

---

最好在这里问这个问题：