我有一组，trainFeatures一组testFeatures带有正，中性和负标签：
trainFeats = negFeats + posFeats + neutralFeats
testFeats = negFeats + posFeats + neutralFeats
例如，内部的一个条目trainFeats是
(['blue', 'yellow', 'green'], 'POSITIVE')
测试功能列表也是如此，因此我为每组指定标签。我的问题是如何使用随机森林分类器和SVM的scikit实现来获得该分类器的准确性以及每个类别的准确性和召回率得分？问题是我目前使用单词作为特征，而根据我的阅读，这些分类器需要数字。有没有一种方法可以实现我的目标而无需更改功能？非常感谢！
您可以查看此scikit-learn教程，尤其是有关如何创建和使用分类器的学习和预测部分。该示例使用SVM，但是，使用RandomForestClassifier代替它是简单的，因为所有分类器都实现fit和predict方法。
使用文本功能时，可以使用CountVectorizer或DictVectorizer。看一下特征提取，尤其是第4.1.3节。
您可以在此处找到分类文本文档的示例。
然后，您可以通过分类报告获得分类器的精度和召回率。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句