根据一个项目,我一直在使用 Python NLTK 和文档分类以及朴素贝叶斯分类器。据我从文档中了解到,如果您的不同文档被标记为 pos 或 neg 作为标签(或超过 2 个标签),这将非常有效
我正在处理的已经分类的文档没有标签,但它们有一个分数,一个介于 0 和 5 之间的 float 。
我想做的是构建一个分类器,就像文档中的电影示例一样,但它会预测一段文本的分数,而不是标签。我相信文档中提到了这一点,但从未将其作为“数字特征的概率”进行进一步探索
我既不是语言专家也不是统计学家,所以如果有人有这方面的例子,请与我分享,我将不胜感激。谢谢!
最佳答案
您正在寻找的是线性回归,scikit-learn 在这方面比 NLTK 好得多,请参阅 http://scikit-learn.org/stable/modules/linear_model.html
关于python - NLTK:使用数字分数而不是标签进行文档分类,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/13015593/