我正在制作一个情感分析分类器，并且有三个类别/标签，即积极、中性和消极。我的训练数据的形状为(14640, 15)，其中

negative    9178neutral     3099positive    2363

我已经对数据进行了预处理以使其标准化，并对推文的文本应用了词袋词向量化技术，使其能够输入模型，其大小变为(14640, 1000)。由于标签是以文本形式出现的，因此我应用了LabelEncoder，以便将其转换为一行。如下所示 –

[1 2 1 ... 1 0 1]

这是我拆分数据集的方式 –

X_train, X_test, Y_train, Y_test = train_test_split(bow, Y, test_size=0.3, stratify=Y, random_state=42)print(X_train.shape,Y_train.shape)print(X_test.shape,Y_test.shape)out:(10248, 1000) (10248,)(4392, 1000) (4392,)

stratify=y 将使不平衡的数据变成适当的加权形式。对于分类器部分，我使用了SVM –

svc = svm.SVC(kernel='linear', C=1, probability=True, class_weight='balanced').fit(X_train, Y_train) prediction = svc.predict_proba(X_test) prediction_int = prediction[:,1] >= 0.3 prediction_int = prediction_int.astype(np.int) print(prediction_int)print('Precision score: ', precision_score(Y_test, prediction_int, average=None))print('Accuracy Score: ', accuracy_score(Y_test, prediction_int))out:[0 0 0 ... 1 0 0]Precision score:  [0.74185137 0.50075529 0.        ]Accuracy Score:  0.6691712204007286/usr/local/lib/python3.6/dist-packages/sklearn/metrics/classification.py:1437: UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 in labels with no predicted samples.  'precision', 'predicted', average, warn_for)

@*** 帮我很多，决定了实际的问题所在，最后我发现分类器无法预测第三类。你可以看到我打印了 prediction_int，它没有显示任何 2 索引。同时，它与实际标签相差甚远。我担心在分类过程中是否发生了任何错误。这个分类器是我为二元分类制作的，我认为我不需要为多类分类更改它。你们中有谁能帮我解决这个问题吗？

回答：

问题在于你使用的 predict_proba 方法是为二元分类设计的。在多类分类中，它会给出每个类别的概率。

你不能使用这个命令:

prediction_int = prediction[:,1] >= 0.3 

欲了解更多信息，你可以查看这个类似的帖子： 多类分类和概率预测

更新

我只是在更改了所有的预测函数后，用这单行代码实现了 –

pred = svc.predict(X_test)  

正如他所说，之前我使用的是我的二元分类预测系统。现在这个 predict 可以对所有3个标签进行分类。因此，我的精确度和召回率现在工作得非常好。