【发布时间】：2018-10-11 08:55:49
【问题描述】：
我正在使用以下数据集 (https://www.kaggle.com/crowdflower/twitter-user-gender-classification/data) 开发一个朴素贝叶斯分类器。
我正在尝试做的是训练一个分类器，它允许我根据 twitter 文本、twitter 个人资料描述和 twitter 个人资料侧面颜色来预测用户性别。 由于 twitter 文本和配置文件描述属性是字符串列，因此我需要在训练分类器之前对数据进行预处理。为了做到这一点，我看到在很多示例中都使用了 Strings to Document 节点。然后，这个新列 Document 会被其他节点如数字过滤器、大小写转换器等预处理。
由于我想使用多个属性来训练我的分类器，我必须做什么？我应该将字符串属性（twitter 文本和个人资料描述）都转换为文档吗？
【问题讨论】：
-
由您决定如何处理您的数据。如果您不想使用两个 Strings to Document 节点，您可以在此之前简单地连接两个字符串列（尽管这可能不是您想要的，因为它们是不同的文本）。我没有看到工作流中有两个 Strings to Document 节点有任何问题。
标签： classification text-classification naivebayes knime