如何根据另一个函数的结果对 scipy.sparse.csr.csr_matrix 进行排序？
How to sort scipy.sparse.csr.csr_matrix according to result of another function?
我正在学习机器学习，更准确地说是逻辑回归/分类。在我的代码中，我有一个 <class 'scipy.sparse.csr.csr_matrix'> 对象。我需要根据 LogisticRegression.predict_proba 的结果对这个稀疏矩阵或生成它的 SFrame 进行排序（使用 ...），准确地说是数组的第二列，它们包含在predict_proba.
的结果数组
我如何生成稀疏矩阵：
from sklearn.feature_extraction.text import CountVectorizer
products = sframe.SFrame('...')
train_data, test_data = products.random_split(.8, seed=1)
vectorizer = CountVectorizer(token_pattern=r'\b\w+\b')
test_matrix = vectorizer.transform(test_data['review_clean'])
我如何计算概率：
sentiment_model.predict_proba(test_matrix)
（其中 sentiment_model 是学习分类器，使用逻辑回归）
这给了我一个 <class 'numpy.ndarray'>，它看起来像这样：
[[ 4.65761066e-03 9.95342389e-01]
[ 9.75851270e-01 2.41487300e-02]
[ 9.99983374e-01 1.66258341e-05]]
这里是 SFrame 数据的示例，如果我使用 print 函数打印它：
+-------------------------------+-------------------------------+--------+
| name | review | rating |
+-------------------------------+-------------------------------+--------+
| Our Baby Girl Memory Book | Absolutely love it and all... | 5.0 |
| Wall Decor Removable Decal... | Would not purchase again o... | 2.0 |
| New Style Trailing Cherry ... | Was so excited to get this... | 1.0 |
+-------------------------------+-------------------------------+--------+
+-------------------------------+-----------+
| review_clean | sentiment |
+-------------------------------+-----------+
| Absolutely love it and all... | 1 |
| Would not purchase again o... | -1 |
| Was so excited to get this... | -1 |
+-------------------------------+-----------+
所以我需要一些函数，它可以根据 predict_proba 函数的结果对矩阵进行排序。
问题：我怎样才能这样排序？
我已经尝试过的
sorted(test_matrix)
结果：
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all().
sorted(test_matrix_complete, key=lambda x: sentiment_model.predict_proba(x))
也导致：
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
主要问题是，我不知道如何有效地建立 SFrame 数据和稀疏矩阵之间的连接，我想。
您可以简单地按 result 的排序索引进行索引。
sorted_matrix = test_matrix[np.argsort(result)]
我正在学习机器学习，更准确地说是逻辑回归/分类。在我的代码中，我有一个 <class 'scipy.sparse.csr.csr_matrix'> 对象。我需要根据 LogisticRegression.predict_proba 的结果对这个稀疏矩阵或生成它的 SFrame 进行排序（使用 ...），准确地说是数组的第二列，它们包含在predict_proba.
我如何生成稀疏矩阵：
from sklearn.feature_extraction.text import CountVectorizer
products = sframe.SFrame('...')
train_data, test_data = products.random_split(.8, seed=1)
vectorizer = CountVectorizer(token_pattern=r'\b\w+\b')
test_matrix = vectorizer.transform(test_data['review_clean'])
我如何计算概率：
sentiment_model.predict_proba(test_matrix)
（其中 sentiment_model 是学习分类器，使用逻辑回归）
这给了我一个 <class 'numpy.ndarray'>，它看起来像这样：
[[ 4.65761066e-03 9.95342389e-01]
[ 9.75851270e-01 2.41487300e-02]
[ 9.99983374e-01 1.66258341e-05]]
这里是 SFrame 数据的示例，如果我使用 print 函数打印它：
+-------------------------------+-------------------------------+--------+
| name | review | rating |
+-------------------------------+-------------------------------+--------+
| Our Baby Girl Memory Book | Absolutely love it and all... | 5.0 |
| Wall Decor Removable Decal... | Would not purchase again o... | 2.0 |
| New Style Trailing Cherry ... | Was so excited to get this... | 1.0 |
+-------------------------------+-------------------------------+--------+
+-------------------------------+-----------+
| review_clean | sentiment |
+-------------------------------+-----------+
| Absolutely love it and all... | 1 |
| Would not purchase again o... | -1 |
| Was so excited to get this... | -1 |
+-------------------------------+-----------+
所以我需要一些函数，它可以根据 predict_proba 函数的结果对矩阵进行排序。
问题：我怎样才能这样排序？
我已经尝试过的
sorted(test_matrix)
结果：
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all().
sorted(test_matrix_complete, key=lambda x: sentiment_model.predict_proba(x))
也导致：
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
主要问题是，我不知道如何有效地建立 SFrame 数据和稀疏矩阵之间的连接，我想。
您可以简单地按 result 的排序索引进行索引。
sorted_matrix = test_matrix[np.argsort(result)]