SVM

Question

我有一个工作的 SVM，当 transform 函数的输入是一个字符串列表时，CountVectorizer 工作正常。但是，如果我只将一个字符串传递给它，向量化器会遍历字符串中的每个字符并对每个字符进行向量化，即使我在构造 CountVectorizer 时将 analyzer 参数设置为 word .

for x in range(0,3):
        test=raw_input("Type a message to classify: ")
        v=vectorizer.transform(test).toarray()
        print(v)
        print(len(v))
        print(svm.predict(vectorizer.transform(test).toarray()))

我可以通过将上面代码中的第二行更改为来解决此问题：

test=[raw_input("Type a message to classify: ")]

但是有一个单项列表似乎很奇怪。有没有更好的方法不用构造列表就可以做到这一点？

Answer 1

它需要一个文档列表或数组，因此当您传入单个字符串时，它假定该字符串的每个元素都是一个文档（即：一个字符）。

尝试将 svm.predict(vectorizer.transform(test).toarray()) 更改为 svm.predict(vectorizer.transform([test]).toarray())

PS：当您使用 real-world 语料库时，toarray() 部分无法很好地扩展。 sklearn 中的 SVM 可以在稀疏矩阵上运行，所以我会把那部分放在一起。

SVM - 将字符串传递给 Python 中的 CountVectorizer 以矢量化每个字符？

SVM - passing a string to the CountVectorizer in Python vectorizes each character?

python

machine-learning

vectorization

scikit-learn