用于情感分析的机器学习算法的工作

Question

我从 here 中找到了 朴素贝叶斯分类器 的一个很好的例子。我无法理解这些步骤。

from nltk.classify import SklearnClassifier
from sklearn.naive_bayes import BernoulliNB
from sklearn.svm import SVC
train_data = [({"a": 4, "b": 1, "c": 0}, "ham"),
      ({"a": 5, "b": 2, "c": 1}, "ham"),
      ({"a": 0, "b": 3, "c": 4}, "spam"),
          ({"a": 5, "b": 1, "c": 1}, "ham"),
          ({"a": 1, "b": 4, "c": 3}, "spam")]
classif = SklearnClassifier(BernoulliNB()).train(train_data)
test_data = [{"a": 3, "b": 2, "c": 1},
             {"a": 0, "b": 3, "c": 7}]
classif.classify_many(test_data)
['ham', 'spam']
classif = SklearnClassifier(SVC(), sparse=False).train(train_data)
classif.classify_many(test_data)
['ham', 'spam']

什么是：

上面代码的特点？
情绪的实际数据？
"a": 4, "b": 1, "c": 0 ?
火腿、垃圾邮件？

基本目的是了解 ML 算法的工作原理。我是情感分析的新手。希望有人帮忙

Answer 1

您发布的代码示例使用无意义的数据来训练分类器。

What are :

Features in the code above?

"a": 4, "b": 1, "c": 0 ?

ham, spam?

数组 train_data 包含名为 "a"、"b" 和 "c" 的特征。分类类别为 "ham" 和 "spam"。情感分析可能使用类别 "positive" 和 "negative".

Actual Data for sentiment?

此演示中没有实际的情绪数据。

请注意，您不会从该代码段中了解学习算法的工作原理。它只是向您显示 API 到训练分类器的黑匣子。要了解机器学习，请阅读培训的工作原理。要了解如何训练分类器（不知道训练在幕后是如何工作的），请从 NLTK 书中的 Chapter 6 开始。

用于情感分析的机器学习算法的工作

Working of Machine learning algorithms for sentiment analysis

nlp

nltk

sentiment-analysis

opennlp

naivebayes