我试图在Python中复制这个项目 二分类：Twitter情感分析
步骤如下：
步骤1：获取数据步骤2：使用R进行文本预处理步骤3：特征工程步骤4：将数据分割为训练集和测试集步骤5：训练预测模型步骤6：评估模型性能步骤7：发布预测网络服务我现在进行到步骤4，但我觉得我无法继续。
import pandasimport refrom sklearn.feature_extraction import FeatureHasherfrom sklearn.feature_selection import SelectKBestfrom sklearn.feature_selection import chi2from sklearn import cross_validation#读取推文数据集header_row=['sentiment','tweetid','date','query', 'user', 'text']train = pandas.read_csv("training.1600000.processed.noemoticon.csv",names=header_row)#仅保留所需列train = train[["sentiment","text"]]#移除标点符号、特殊字符、数字并将文本转换为小写def remove_spch(text): return re.sub("[^a-z]", ' ', text.lower())train['text'] = train['text'].apply(remove_spch)#特征哈希def tokens(doc): """从文档中提取标记。 使用简单的正则表达式将字符串分成标记。 """ return (tok.lower() for tok in re.findall(r"\w+", doc))n_features = 2**18hasher = FeatureHasher(n_features=n_features, input_type="string", non_negative=True)X = hasher.transform(tokens(d) for d in train['text'])#特征选择，使用卡方检验选择最佳的20,000个特征X_new = SelectKBest(chi2, k=20000).fit_transform(X, train['sentiment'])#使用分层KFold，将数据分割为训练集和测试集skf = cross_validation.StratifiedKFold(X_new, n_folds=2)我确定最后一行是错误的，因为它只包含了20,000个特征，而没有包含Pandas中的Sentiment列。如何将稀疏矩阵X_new与数据框train“连接”，以便在cross_validation中使用，并随后用于分类器？
回答：
你应该将你的类别标签传递给StratifiedKFold，然后使用skf作为迭代器，每次迭代它将生成测试集和训练集的索引，你可以使用这些索引来分割数据集。
查看scikit-learn官方文档中的代码示例：StratifiedKFold
