python - 使用 sklearn.datasets.load_files 导入的数据集标签

Question

我想知道如何将 SVN 分类器生成的标签与我的数据集上的标签相匹配。然后我意识到问题从一开始就开始了:when I load the dataset我得到了一个数据集，在我的例子中它具有以下属性:

.data = the news text
.target_names = label used in the dataset e.g. ["positive", "negative"]
.target = A matrix with a number for each news with a label.

但我想知道 target_names 的顺序是否在不同的数据集(具有相同的标签但不同的新闻)中不同，以及 .data 元素的顺序是否会影响它。

有什么方法可以轻松知道.target 矩阵中数字的标签吗？ (我的意思是，0或1在这样的矩阵中代表什么)

最好的，

Answer 1

.target 中条目 i 的对应标签可用作 .target_names[i]。在您的示例中:.target_names[1] 是“负数”。

目标名称的顺序在不同的数据集中是相同的，只要标签完全相同。这是因为 sklearn.datasets.load_files() 从排序后的文件夹名称创建标签，正如我们在 source code 中看到的那样(v.20.x):

[...]
folders = [f for f in sorted(listdir(container_path))
           if isdir(join(container_path, f))]

if categories is not None:
    folders = [f for f in folders if f in categories]

for label, folder in enumerate(folders):
    target_names.append(folder)
[...]

为了安全起见，我仍然建议总是从当前数据集的 target_names 中检索标签(实现可能会随着时间等而改变)