如何将二进制 NB 分类器扩展到多标签一个 SKlearn？

【问题标题】：How to expand a binary NB classifier to a multilabel one SKlearn?如何将二进制 NB 分类器扩展到多标签一个 SKlearn？
【发布时间】：2016-06-27 20:09:29
【问题描述】：

我使用 sklearn 训练了一个 Nb 分类器，但现在它只返回 1 和 -1。有没有可能让它返回 pos、neg 或中性？这是我的代码：

p = Pipeline([
    ("vectorizer", CountVectorizer()),
    ("selector", SelectPercentile(percentile=20)),
    ("nb", MultinomialNB())
])

p.fit(X, y)
joblib.dump(p, 'skclassif.pkl', compress = 1)
print(p.predict(["I hate this car"]))

【问题讨论】：

标签： python-2.7 machine-learning scikit-learn sentiment-analysis

【解决方案1】：

它将返回您训练它的课程 - 因此，如果您希望三个课程通过 y 中的三个课程，仅此而已。

【讨论】：

我的训练数据只包含 neg 和 pos 但我认为它可以是一种解决方法，例如使用字符串的概率为 pos 或 neg 例如在 nltk 我发现这样的东西：@987654322 @
你可以硬编码你自己的规则，但这很少是一个好主意，人类的“直觉”是相当糟糕的统计数据:-) 所以 - 如果你想要这样的行为 - 将 NB 包装在你自己的类中并在 NB 的 predict_proba 之上编写您自己的预测。