SciKit-learn 的“预测”功能以错误的格式给出输出

Question

我是 scikit 的新手，所以玩弄它。

问题背景： 我正在尝试在hackerRank 上玩“Byte the correct apple”比赛。 其中我们有两个文件，一个包含 apple the company 的文本，另一个包含 apple the fruit。现在我们必须从中学习，然后对新文本进行预测。

虽然代码运行，但我的问题是： - 因为'line'（在下面的代码中）是一个单一的输入，我应该得到一个数字输出零或一。但我得到一个数组作为输出。 - 我是否已经接近使用下面的代码学习任何东西了？

import numpy as np

from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.feature_extraction.text import CountVectorizer


from sklearn.naive_bayes import MultinomialNB
from sklearn.linear_model import SGDClassifier
from sklearn import svm
from sklearn.svm import LinearSVC

from sklearn.pipeline import Pipeline

appleComputers = [];
appleFruits = [];
labels = [];

with open('apple-computers.txt','r') as f:
    for line in f:
        appleComputers.append(line)
        labels.append(1);

with open('apple-fruit.txt','r') as f:
    for line in f:
        appleFruits.append(line)
        labels.append(0);

text = appleComputers + appleFruits;
labels = np.asarray(labels)

#text_clf = Pipeline([('vect', CountVectorizer()),('tfidf', TfidfTransformer()),('clf', MultinomialNB()),])
text_clf = Pipeline([('vect', CountVectorizer()),('tfidf', TfidfTransformer()),('clf', LinearSVC(loss='hinge', penalty='l2')),])

text_clf = text_clf.fit(text, labels)


line = 'I am talking about apple the fruit we eat.'
line = 'I am talking about the product apple computer by Steve Jobs'
predicted = text_clf.predict(line);
print predicted

Answer 1

predict 函数返回一个数组对象，如documentation 中所述。此数组对象对应于您的 labels 数组中的索引。要获得line 的预测，您需要尝试以下操作：

print labels[predicted]

Answer 2

我自己找到了答案。

对于

predicted = text_clf.predict(line);

'line' 应该是一个列表，而不是一个字符串，因为它用于 'fit' 函数。

即替换

line = 'I am talking about the product apple computer by Steve Jobs'

通过

line = [];    
line.append('I am talking about apple the fruit we eat.');

或@jme 建议我们可以使用

text_clf.predict([line])