以前、列車セットとして1つの列(文字列型データ)のみを使用するように取り組んでいましたが、詳細列とともに、対応する別の列(フロート型の量列)を列車セットとして考慮したいと思います。金額列の負の値は借方を示し、正の値は貸方を示します。これをどのように進めるか、2つの列を一緒に追加しようとしましたが、float型の量をデータセットで意味のない文字列型に変換する必要がありました。マシンがバリエーションを学習できるかどうかを確認するために、[金額]列を含めたいと思います。これは、この場合非常に重要です。前もって感謝します。
Details |Amount |Category
-------------------------------------------------------------
Tanishq Jwellery Bangalore |-990 |jwellery
ODESK***BAL-28APR13 |240 |Others
AEGON RELIGARE LIFE IN |456 |Others
INTERNET PAYMENT #999999 |-250 |Transfer in for Card Payment
WWW.VISTAPRINT.IN |245 |Print
Khazana Jwellery |-9000 |jwellery
INTERNET PAYMENT #999999 |785 |Transfer in for Card Payment
Indian Oil |344 |Fuel
Touch foot wear |-782 |Clothing
私のスクリプトの一部:
import pandas as pd
import numpy as np
import scipy as sp
from sklearn.naive_bayes import MultinomialNB
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn import preprocessing
import time
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
# TRAIN DATA
data= pd.read_csv('ds1.csv', delimiter=',',usecols=['Details','Amount','Category'],encoding='utf-8')
data=data[data.Category !="Others"]
target_one=data['Category']
target_list=data['Category'].unique()
# TEST DATASET
test_data=pd.read_csv('ds2.csv', delimiter='\t',usecols=['Details','Amount','Category'],encoding='utf-8')
x_train, y_train = (data.Details, data.Category )
x_test, y_test = (test_data.Details, test_data.Category)
vect = CountVectorizer(ngram_range=(1,2))
X_train = vect.fit_transform(x_train)
X_test = vect.transform(x_test)
start = time.clock()
mnb = MultinomialNB(alpha =0.13)
mnb.fit(X_train,y_train)
result= mnb.predict(X_test)
print (time.clock()-start)
accuracy_score(result,y_test)
「amount」列を、で取得したテキスト機能のマトリックスにスタックするだけの場合はCountVectorizer
、MultinomialNB
:をフィッティングする前にこれを実行してください。
import numpy as np
X_amount = data["Amount"].as_matrix().reshape(-1, 1)
X_train = X_train.toarray()
X_train = np.hstack((X_train, X_amount))
X_test_amount = test_data["Amount"].as_matrix().reshape(-1, 1)
X_test = X_test.toarray()
X_test = np.hstack((X_test, X_test_amount))
または、X_trainのスパース行列を扱い続けたい場合:
import scipy as sp
X_amount = data["Amount"].as_matrix().reshape(-1, 1)
X_train = sp.sparse.hstack((X_train, X_amount))
X_test_amount = test_data["Amount"].as_matrix().reshape(-1, 1)
X_test = sp.sparse.hstack((X_test, X_test_amount))
しかし、その後、非負の特徴値での使用を目的としているためValueError: Input X must be non-negative
、最終的には、になると思いますMultinomialNB
...
この記事はインターネットから収集されたものであり、転載の際にはソースを示してください。
侵害の場合は、連絡してください[email protected]
コメントを追加