Scikit：如何解决这个用例答案

【问题标题】：Scikit : How to resolve this usecaseScikit：如何解决这个用例
【发布时间】：2026-01-30 08:25:01
【问题描述】：

我对 scikit 非常陌生，并且有一个我试图通过 scikit python 库解决的用例。

我有这样的 CSV 文件：

Label,userId,message,user_like,user_dislike

1 , 1, “这是个好消息”, 4,5

0, 1, "This is bad message",3,4

1, 2, "这是个好消息" , 4,5

0,1, "又坏了", 6,7

如何从上述数据中训练分类器 MultinomialNB。我的挑战是它既包含文本数据（消息）也包含数字数据。

我想预测userId 1发布的消息“this is new message”是否是垃圾邮件（0,1）..

所以? , 1 , "this is new message" , 3 4

谢谢

【问题讨论】：

训练它根据什么来预测什么？
Ok .. 所以我想预测用户 ID 1 发布的消息“这是新的消息”是否是垃圾邮件（0,1）.. 输入数据将是 ?,1，这是新消息”,7,8 ..
我希望有人告诉我他们为什么不赞成这个问题？？？
@voila 问题不是很清楚。看看标题 - 它是多么没有意义。相反，您一定问过“如何在 sklearn 中结合文本和数字特征”。添加了我的答案。希望对您有所帮助。

【解决方案1】：

一个简单而有效的想法是为文本和数字数据训练单独的分类器。确保在进行过程中进行标准化。

现在，如果您有两个不同的分类器，您可以结合它们的结果来预测它是否是垃圾邮件。检查http://scikit-learn.org/stable/modules/ensemble.html

为了进一步改进它，您可以尝试使用每个分类器的内部概率分数，将它们用作特征来训练另一个分类器进行最终预测。这称为堆叠。

【讨论】：