如何构建我的训练数据以在scikit-learn中训练SVM分类器?

我有一些来自研究的句子,并且手动提取了这些句子的关键词短语,这些关键词是我想要的。现在我想将这些句子和每个关键词一起向量化,以便构建SVM分类器的训练数据。请看代码

我考虑使用一个字典,然后应用sklearn库中的DictVectorizer。

Code:sklearn.feature_extraction import DictVectorizerv = DictVectorizer()D = [{"sentence":"the laboratory information system was evaluated",        "keyword":"laboratory information system"},     {"sentence":"the electronic health record system was evaluated",       "keyword":"electronic health record system"}]X = v.fit_transform(D)print(X)content = X.toarray()print(content)print(v.get_feature_names())Results: (0, 1) 1.0  (0, 3)    1.0  (1, 0)    1.0  (1, 2)    1.0[[0. 1. 0. 1.] [1. 0. 1. 0.]]['keyword=electronic health record system', 'keyword=laboratory information system', 'sentence=the electronic health record system was evaluated', 'sentence=the laboratory information system was evaluated']

这种方法在方法学上是否正确,或者我应该如何将每个句子与相应的手动提取的关键词结合起来进行向量化,以获得训练数据?非常感谢。


回答:

我认为这样做并不理想,因为你将整个句子作为一个特征。对于大型数据集来说,这会变得很麻烦。

例如,

D = [{"sentence":"This is sentence one",        "keyword":"key 1"},     {"sentence":"This is sentence one",        "keyword":"key 2"},     {"sentence":"This is sentence one",        "keyword":"key 3"},     {"sentence":"This is sentence one",        "keyword":"key 2"},     {"sentence":"This is sentence one",        "keyword":"key 1"}]

X 将会是

[[1. 0. 0. 0. 0. 1. 0. 0.] [0. 1. 0. 0. 0. 0. 0. 1.] [0. 0. 1. 0. 0. 0. 1. 0.] [0. 1. 0. 0. 1. 0. 0. 0.] [1. 0. 0. 1. 0. 0. 0. 0.]]

你可能只需要应用scikit-learn中的TfidfVectorizer,它可能会从句子中提取出重要的词语。

代码:

from sklearn.feature_extraction.text import TfidfVectorizersentences = [d['sentence'] for d in D]vectorizer = TfidfVectorizer()X = vectorizer.fit_transform(sentences)

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注