文本分类+朴素贝叶斯+Scikit学习

Question

我将第一次使用朴素贝叶斯进行文本分类。 我在http://scikit-learn.org/stable/tutorial/text_analytics/working_with_text_data.html 上找到的这段代码：

>>> from sklearn.naive_bayes import MultinomialNB
>>> clf = MultinomialNB().fit(X_train_tfidf, twenty_train.target)

我想解决一个关于传递给函数fit()的参数X_train_tfidf、twenty_train.target的疑问。

X_train_tfidf 是训练集中所有文档的 tfidf 向量表示。

twenty_train.target 是文档在 X_train_tfidf 集中出现的确切顺序的对应标签。

我说的对吗？

Answer 1

简短回答：是的

长答案：这适用于您使用 API 找到的每个 fit 方法。给定文档 X 的 矩阵 尺寸为 [m, n]，目标 向量 Y 将具有尺寸 [n, 1] 和 document X[:, j] 匹配从 0 到 n-1 的每个 j 的目标 Y[j]。

如果文档和目标不匹配，您的培训过程可能会得到非常糟糕和不合理的结果。