- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
这是一个关于功能集的非常基本的问题。
假设我有一群具有各种特征的人,我想向他们提出建议。他们还写了一段自由格式的文本,这对于我需要向他们推荐的内容非常重要。
我可以理解如何矢量化他们的示例文本,但我不知道如何添加国籍、年龄、性别等特征。
所以我有这个:
#dbsession = sqlalchemy session
people = dbsession.query(People).filter(People.category!="inactive")
all_text = [(a.all_text, a.category) for a in people ]
vectorizer = TfidfVectorizer(sublinear_tf=True, max_df=0.5, stop_words='english')
X_train = vectorizer.fit_transform([x[0] for x in all_text])
y_train = ([x[1] for x in all_text])
classifier = MultinomialNB()
classifier.fit(X_train,y_train)
print("Training score: {0:.1f}%".format(classifier.score(X_train, y_train) * 100))
a = People.populate_from_db(dbsession,2309601) # this gives me the person I want to categorise
print a
sample_text = a.all_text
t_form = vectorizer.transform([sample_text])
probs = classifier.predict_proba(t_form)
for i,p in enumerate(probs[0]):
print "# ", classifier.classes_[i] , "%.2f %%" % (p*100)
(是的,我知道我不应该使用训练集中的某个项目来进行测试,但我只是先运行代码,然后再将真实数据放入其中。)
现在,如果人员对象具有诸如“国籍”之类的属性,那么将其添加到分类器的最佳方法是什么?
最佳答案
1) 向向量添加附加字段的问题。
A) 只需为您要添加的每个内容创建一个新的 X_train_extended,其维数与 X_train + 1 相同。复制这些值并在额外的空间中插入您想要的内容
B) 尝试使用FeatureUnion scikit 可以为您做到这一点。
2)您的添加有意义吗?在这种情况下 - 不。存储“年龄”的数值对于 MulinomialNB 模型没有意义。无论如何,它可能会起作用,但您应该意识到您正在做的事情现在违反了您尝试使用的模型的假设。
没有人可以告诉您应该使用什么模型,因为我们没有您的数据,但您应该了解您的模型是什么以及它做出什么假设。然后您可以决定将这些附加功能的最佳形式放入您的模型中。
关于python - 使用 MultinomialNB 组合特征集,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25606878/
给定一个包含 100 行的数据表,例如: Place | Text | Value | Text_Two europe | some random text | 3.
好的,我正在学习 Andrew Ng 的机器学习类(class)。我正在阅读 this chapter并想使用 SKLearn 和 Python 为自己尝试多项式朴素贝叶斯(第 12 页底部)。所以
我已经能够制作一个 MultinomialNB 分类器并将其保存到 pickle 文件中以备后用(感谢 youtube 视频:https://www.youtube.com/watch?v=0kPRa
我有一个形状为 (100000, 56000) 的 BoW 向量,并且我想使用 scikit-learn 中的 MultinomialNB 来执行分类任务。 MultinomialNB 是否采用稀疏矩
我目前正在尝试为分类特征推出我自己的朴素贝叶斯分类器,以确保我理解它们。现在我想将它们与 sklearns MultinomialNB 进行比较。但由于某种原因,我无法让 skearn 版本正确运行。
这是一个关于功能集的非常基本的问题。 假设我有一群具有各种特征的人,我想向他们提出建议。他们还写了一段自由格式的文本,这对于我需要向他们推荐的内容非常重要。 我可以理解如何矢量化他们的示例文本,但我不
我需要创建一个模型,根据变量对记录进行准确分类。例如,如果记录具有预测变量 A 或 B,我希望将其分类为具有预测值 X。实际数据是这样的形式: Predicted Predictor
在我提出这个问题之前,我不得不说我已经彻底阅读了这个论坛上超过 15 个类似的主题,每个主题都有不同的建议,但所有这些都无法让我正确理解。 好的,所以我将我的“垃圾邮件”文本数据(最初为 csv 格式
我正在使用 sklearn 多项朴素贝叶斯分类器对 20NewsGroup 数据进行分类。代码如下: import numpy as np import operator from sklearn i
我正在创建一个简单的推荐器,它会根据推文的相似性推荐其他用户。我使用 tfidf 对所有文本进行矢量化,并且能够将数据放入 MultinomialNB 中,但在尝试预测时不断出现错误 我尝试将数据重新
我正在尝试使用 sci kit learn 在 python 中的一系列示例上运行多项式朴素贝叶斯。我一直将所有例子都归类为负面。训练集有点偏向负数 P(负数) ~.75。我翻阅了documentat
如何计算多类文本分类的 FPR、TPR、AUC、roc_curve。 我使用了以下代码: from sklearn.model_selection import train_test_split X_
在 sklearn 中运行 MultinomialNB 之前,我正在标准化我的文本输入: vectorizer = TfidfVectorizer(max_df=0.5, stop_words='en
我正在尝试让我的 MultinomialNB 工作。我在训练和测试集上使用 CountVectorizer,当然两个集中都有不同的单词。所以我明白了,为什么会出现错误 ValueError: dime
我目前正在尝试使用 Python 和 Scikit-learn 构建一些文本分类工具。 我的文本不是英文的,因此不受词干分解或其他基于英文的降维的通常处理。 结果,TfIdf矩阵变得非常大(150,0
# Note: The runnable code example is at the end of this question #### # Assume X_train contains clea
问题:将用户产品分类为禁止或批准。 如果商品包含“濒临灭绝的物种”、“虎皮”等 输入:产品标题+描述 相应标签:已批准/禁止 我使用监督学习算法MultinomialNB对产品进行分类,它的二元组准确
我正在尝试比较多项式、二项式和伯努利分类器的性能,但出现错误: TypeError: float() argument must be a string or a number, not 'set'
我是一名优秀的程序员,十分优秀!