使用scikit-learn预测电影评论

我正在使用scikit-learn的MultinomialNB和Vectorizer来构建一个预测模型,用于判断评论是好还是坏。

在对标记数据进行训练后,我该如何使用它来预测新的评论(或现有评论)?我收到了下面的错误信息。

from sklearn.feature_extraction.text import CountVectorizerfrom sklearn.cross_validation import train_test_splitfrom sklearn.naive_bayes import MultinomialNBX = vectorizer.fit_transform(df.quote)X = X.tocsc()Y = (df.fresh == 'fresh').values.astype(np.int)xtrain, xtest, ytrain, ytest = train_test_split(X, Y)clf = MultinomialNB().fit(xtrain, ytrain)new_review = ['this is a new review, movie was awesome']new_review = vectorizer.fit_transform(new_review)print df.quote[15]print(clf.predict(df.quote[10])) #predict existing review in dataframeprint(clf.predict(new_review)) #predict new reviewTechnically, Toy Story is nearly flawless.---------------------------------------------------------------------------TypeError                                 Traceback (most recent call last)<ipython-input-91-27a0698bbd1f> in <module>()     15      16 print df.quote[15]---> 17 print(clf.predict(df.quote[10])) #predict existing quote in dataframe     18 print(clf.predict(new_review)) #predict new review//anaconda/lib/python2.7/site-packages/sklearn/naive_bayes.pyc in predict(self, X)     60             Predicted target values for X     61         """---> 62         jll = self._joint_log_likelihood(X)     63         return self.classes_[np.argmax(jll, axis=1)]     64 //anaconda/lib/python2.7/site-packages/sklearn/naive_bayes.pyc in _joint_log_likelihood(self, X)    439         """Calculate the posterior log probability of the samples X"""    440         X = atleast2d_or_csr(X)--> 441         return (safe_sparse_dot(X, self.feature_log_prob_.T)    442                 + self.class_log_prior_)    443 //anaconda/lib/python2.7/site-packages/sklearn/utils/extmath.pyc in safe_sparse_dot(a, b, dense_output)    178         return ret    179     else:--> 180         return fast_dot(a, b)    181     182 TypeError: Cannot cast array data from dtype('float64') to dtype('S32') according to the rule 'safe'

回答:

你需要传递一个词袋表示给predict,而不是直接传递文本。你对new_review的处理几乎是正确的,只需将new_review = vectorizer.transform(new_review)进行更改(参见@Stergios的评论)。试试这个:

print(clf.predict(X[10, :]))

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