NLTK：使用数字分数而不是标签的文档分类答案

【问题标题】：NLTK: Document Classification with numeric score instead of labelsNLTK：使用数字分数而不是标签的文档分类
【发布时间】：2012-10-12 12:12:12
【问题描述】：

鉴于一个项目，我一直在使用 Python NLTK 和文档分类以及朴素贝叶斯分类器。正如我从文档中了解到的那样，如果您的不同文档被标记为 pos 或 neg 作为标签（或超过 2 个标签），这非常有效

我正在处理的已经分类的文档没有标签，但它们有一个分数，一个介于 0 和 5 之间的浮点数。

我想做的是构建一个分类器，就像文档中的电影示例一样，但这会预测一段文本的分数，而不是标签。我相信这在文档中有所提及，但从未进一步探索为“数字特征的概率”

我不是语言专家也不是统计学家，所以如果有人有这样的例子，如果你能与我分享，我将不胜感激。谢谢！

【问题讨论】：

对 NLTK 不是很熟悉，但是朴素贝叶斯分类器中的标签与概率直接相关。因此，在 NLTK 代码的某处，会计算一个概率，并根据该概率是高于还是低于阈值，应用一个标签。

标签： python nltk

【解决方案1】：

您正在寻找的是线性回归，而 scikit-learn 在这方面比 NLTK 好得多，请参阅 http://scikit-learn.org/stable/modules/linear_model.html

【讨论】：

【解决方案2】：

这是一个很晚的答案，但也许它会对某人有所帮助。

您要问的是回归。关于雅各布的回答，线性回归只是一种方法。不过，我同意他对 scikit-learn 的建议。

【讨论】：