我正在使用Python NLTK库中的MaxEnt分类器。对于我的数据集，我有很多可能的标签，正如预期的那样，MaxEnt只返回一个标签。我已经训练了我的数据集，准确率大约为80%。我还用未知数据项测试了我的模型，结果很好。然而，对于任何给定的未知输入，我希望能够打印/显示基于MaxEnt选择标签时使用的某些内部标准（如置信度/概率）对所有可能的标签进行排名。例如，假设我有a,b,c作为可能的标签，我使用MaxEnt.classify(input)，目前我得到一个标签，比如c。然而，我希望能够查看类似a (0.9), b(0.7), c(0.92)的信息，这样我就可以看到为什么选择了c，并且可能根据这些参数选择多个标签。抱歉我的术语有些模糊，我对NLP和机器学习还比较新手。

解决方案

根据接受的答案，这里有一个骨架代码示例，展示了我想要的以及如何实现它。更多分类器示例请参见NLTK网站。

import nltkcontents = read_data('mydataset.csv')data_set = [(feature_sets(input), label) for (label, input) in contents] # 用户定义的feature_sets()函数train_set, test_set = data_set[:1000], data_set[1000:]labels = [label for (input, label) in train_set]maxent = nltk.MaxentClassifier.train(train_set)maxent.classify(feature_sets(new_input)) # 返回一个标签multi_label = maxent.prob_classify(feature_sets(new_input)) # 返回一个DictionaryProbDist对象for label in labels:    multi_label.prob(label)

回答：

尝试使用prob_classify(input)

它会返回一个包含每个标签概率的字典，详见文档。