Question

我正在尝试使用 Sci-kit学习python库来分类一堆网址，以确定是否存在与用户个人资料相匹配的某些关键字。用户具有姓名，电子邮件地址......以及分配给他们的网址。我创建了一个txt，每个链接上的每个配置文件数据匹配的结果都是格式：

Name  Email  Address
  0     1      0      =>Relavent
  1     1      0      =>Relavent
  0     1      1      =>Relavent
  0     0      0      =>Not Relavent

0或1表示在页面上找到属性（每行是一个网页）如何将这些数据提供给sci-kit，以便它可以用它来运行分类器？我看到的例子都有来自预定义的sch-kit库的数据，例如数字或虹膜，或者是以我已有的格式生成的。我只是不知道如何使用我必须提供给库的数据格式

上面是一个玩具示例，我有比3更多的功能

Answer 1

所需数据为numpy array（在本例中为“矩阵”），形状为(n_samples, n_features)。

使用csv-file阅读numpy.genfromtxt到正确格式的简单方法。另请参阅this thread。

让csv文件的内容（比如当前工作目录中的file.csv）为：

a,b,c,target
1,1,1,0
1,0,1,0
1,1,0,1
0,0,1,1
0,1,1,0

要加载它我们

data = np.genfromtxt('file.csv', skip_header=True)

skip_header设置为True，以防止读取标题列（a,b,c,target行）。有关详细信息，请参阅numpy's documentation。

加载数据后，需要根据输入数据格式进行一些预处理。预处理可能类似于拆分输入和目标（分类）或将整个数据集拆分为训练和验证集（用于交叉验证）。

要从输出（目标矢量）中分割输入（特征矩阵）

features = data[:, :3]
targets = data[:, 3]   # The last column is identified as the target

对于上面给出的CSV数据，数组将使用如下：

features = array([[ 0, 1, 0],
              [ 1, 1, 0],
              [ 0, 1, 1],
              [ 0, 0, 0]])  # shape = ( 4, 3)

targets = array([ 1, 1, 1, 0])  # shape = ( 4, )

现在将这些矩阵传递给估算器对象fit函数。如果您正在使用流行的svm分类器，那么</ p>

>>> from sklearn.svm import LinearSVC
>>> linear_svc_model = LinearSVC()
>>> linear_svc_model.fit(X=features, y=targets)

使用准备好的数据进行Sci-kit分类

1 个答案: