我正在尝试进行情感分类，并使用了sklearn的SVM模型。我用标记的数据训练了模型，获得了89%的准确率。现在我想用这个模型来预测未标记数据的情感。我该怎么做？在对未标记数据进行分类后，如何查看它是被分类为正面还是负面？
我使用的是Python 3.7。以下是代码。
当我运行这段代码时，得到的输出是：
ConvergenceWarning: Liblinear failed to converge, increase the number of iterations. “the number of iterations.”, ConvergenceWarning) Accuracy : 0.8977272727272727 Precision : 0.8604651162790697 Recall : 0.925
ConvergenceWarning的含义是什么？
提前感谢！
回答：
ConvergenceWarning的含义是什么？
正如@已提到的，ConvergenceWarning意味着max_iter已被触发，你可以在这里抑制警告：如何使用sklearn禁用ConvergenceWarning？
现在我想用这个模型来预测未标记数据的情感。我该怎么做？
你可以使用命令：pred_y = clf.predict(test_x)来实现，唯一需要调整的是：pred_y（这是你的自由选择），以及test_x，这应该是你的新未见数据，它必须具有与你的数据test_x和train_x相同的特征数量。
在你的案例中，你正在做：
sentiment_data = list(zip(data['Articles'], data['Sentiment']))train_x, train_y = zip(*sentiment_data[:350])这里你的train_x是列：data['Articles']，所以如果你有新数据，你只需做：
new_ data = pd.read_csv("new_data.csv", header=0)new_y = clf.predict(new_data['Articles'])如何查看它是被分类为正面还是负面？
你可以运行：pred_y，结果中将会有1或0。通常0表示负面，但这取决于你的数据集设置。
