Ich habe viele verschiedene Blogs zu diesem Thema gelesen, konnte aber keine klare Lösung finden. Ich habe folgendes Szenario:Wie klassifizieren Sie Textpaare mit scikit-learn?
- Ich habe eine Liste von Paaren von Texten mit den Bezeichnungen 1 oder -1.
- Für jeden Text Paar, möchte ich die Merkmale eine Verkettung in der folgenden Art und Weise sein: f() = TFIDF (t1) "concat" TFIDF (T2)
Vorschläge, wie das gleiche zu tun ? Ich habe den folgenden Code, aber es gibt einen Fehler:
count_vect = TfidfVectorizer(analyzer=u'char', ngram_range=ngram_range)
X0_train_counts = count_vect.fit_transform([x[0] for x in training_documents])
X1_train_counts = count_vect.fit_transform([x[1] for x in training_documents])
combined_features = FeatureUnion([("x0", X0_train_counts), ("x1", X1_train_counts)])
clf = LinearSVC().fit(combined_features, training_target)
average_training_accuracy += clf.score(combined_features, training_target)
Hier ist der Fehler, den ich bekommen:
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
scoreEdgesUsingClassifier(None, pos, neg, 1,ngram_range=(2,5), max_size=1000000, test_size=100000)
scoreEdgesUsingClassifier(unc, pos, neg, number_of_iterations, ngram_range, max_size, test_size)
X0_train_counts = count_vect.fit_transform([x[0] for x in training_documents])
X1_train_counts = count_vect.fit_transform([x[1] for x in training_documents])
combined_features = FeatureUnion([("x0", X0_train_counts), ("x1", X1_train_counts)])
print "Done transforming, now training classifier"
lib/python2.7/site-packages/sklearn/pipeline.pyc in __init__(self, transformer_list, n_jobs, transformer_weights)
616 self.n_jobs = n_jobs
617 self.transformer_weights = transformer_weights
--> 618 self._validate_transformers()
619
620 def get_params(self, deep=True):
lib/python2.7/site-packages/sklearn/pipeline.pyc in _validate_transformers(self)
660 raise TypeError("All estimators should implement fit and "
661 "transform. '%s' (type %s) doesn't" %
--> 662 (t, type(t)))
663
664 def _iter(self):
TypeError: All estimators should implement fit and transform. ' (0, 49025) 0.0575144797079
(254741, 38401) 0.184394443164
(254741, 201747) 0.186080393768
(254741, 179231) 0.195062580945
(254741, 156925) 0.211367771299
(254741, 90026) 0.202458920022' (type <class 'scipy.sparse.csr.csr_matrix'>) doesn't
aktualisieren
Hier ist die Lösung:
count_vect = TfidfVectorizer(analyzer=u'char', ngram_range=ngram_range)
training_docs_combined = [x[0] for x in training_documents] + [x[1] for x in training_documents]
X_train_counts = count_vect.fit_transform(training_docs_combined)
concat_features = hstack((X_train_counts[0:len(training_docs_combined)/2 ], X_train_counts[len (training_docs_combined)/2:]))
clf = LinearSVC().fit(concat_features, training_target)
average_training_accuracy += clf.score(concat_features, training_target)
Die Etiketten sind für ein Paar Texte, kein einziger Text? Welchen Fehler bekommst du? – rth
Ich habe den Fehler eingefügt. ; Ja, die Etiketten sind für ein Paar. –