Question

我一直在python中使用maxent分类器并且它失败了，我不明白为什么。

我正在使用电影评论语料库。（总菜鸟）

import nltk.classify.util
from nltk.classify import MaxentClassifier
from nltk.corpus import movie_reviews

def word_feats(words):
 return dict([(word, True) for word in words])

negids = movie_reviews.fileids('neg')
posids = movie_reviews.fileids('pos')

negfeats = [(word_feats(movie_reviews.words(fileids=[f])), 'neg') for f in negids]
posfeats = [(word_feats(movie_reviews.words(fileids=[f])), 'pos') for f in posids]

negcutoff = len(negfeats)*3/4
poscutoff = len(posfeats)*3/4

trainfeats = negfeats[:negcutoff] + posfeats[:poscutoff]
classifier = MaxentClassifier.train(trainfeats)

这是错误（我知道我做错了，请链接到Maxent如何工作）

警告（来自警告模块）：     文件“C：\ Python27 \ lib \ site-packages \ nltk \ classify \ maxent.py”，第1334行       sum1 = numpy.sum（exp_nf_delta * A，轴= 0）   RuntimeWarning：在乘法中遇到无效值

警告（来自警告模块）：     文件“C：\ Python27 \ lib \ site-packages \ nltk \ classify \ maxent.py”，第1335行       sum2 = numpy.sum（nf_exp_nf_delta * A，轴= 0）   RuntimeWarning：在乘法中遇到无效值

警告（来自警告模块）：     文件“C：\ Python27 \ lib \ site-packages \ nltk \ classify \ maxent.py”，第1341行       增量 - =（ffreq_empirical - sum1）/ -sum2   运行时警告：除法中遇到无效值

Answer 1

我改变并稍微更新了代码。

import nltk, nltk.classify.util, nltk.metrics
from nltk.classify import MaxentClassifier
from nltk.collocations import BigramCollocationFinder
from nltk.metrics import BigramAssocMeasures
from nltk.probability import FreqDist, ConditionalFreqDist
from sklearn import cross_validation


from nltk.classify import MaxentClassifier
from nltk.corpus import movie_reviews

def word_feats(words):
 return dict([(word, True) for word in words])

negids = movie_reviews.fileids('neg')
posids = movie_reviews.fileids('pos')

negfeats = [(word_feats(movie_reviews.words(fileids=[f])), 'neg') for f in negids]
posfeats = [(word_feats(movie_reviews.words(fileids=[f])), 'pos') for f in posids]

negcutoff = len(negfeats)*3/4
poscutoff = len(posfeats)*3/4

trainfeats = negfeats[:negcutoff] + posfeats[:poscutoff]
#classifier = nltk.MaxentClassifier.train(trainfeats)

algorithm = nltk.classify.MaxentClassifier.ALGORITHMS[0]
classifier = nltk.MaxentClassifier.train(trainfeats, algorithm,max_iter=3)

classifier.show_most_informative_features(10)

all_words = nltk.FreqDist(word for word in movie_reviews.words())
top_words = set(all_words.keys()[:300])

def word_feats(words):
    return {word:True for word in words if word in top_words}

Answer 2

对numpy溢出问题可能有一个修复，但由于这只是一个用于学习NLTK /文本分类的电影评论分类器（你可能不希望培训需要很长时间），我'将提供一个简单的解决方法：您可以限制功能集中使用的单词。

你可以在所有评论中找到300最常用的单词（如果你愿意，你可以明显地提高），

all_words = nltk.FreqDist(word for word in movie_reviews.words())
top_words = set(all_words.keys()[:300])

然后，您需要做的就是在功能提取器中交叉引用top_words以进行评论。此外，作为建议，使用字典理解而不是将list tuple转换为dict更有效。所以这可能看起来像，

def word_feats(words):
    return {word:True for word in words if word in top_words}

Python Maxent分类器

2 个答案: