Question

我有这个代码。我有两个功能。如何将这两个功能一起训练？

from textblob import TextBlob, Word, Blobber
from textblob.classifiers import NaiveBayesClassifier
from textblob.taggers import NLTKTagger
import re
import nltk



def get_word_before_you_feature(mystring):
    keyword = 'you'
    before_keyword, keyword, after_keyword = mystring.partition(keyword)
    before_keyword = before_keyword.rsplit(None, 1)[-1]
    return {'word_after_you': before_keyword}


def get_word_after_you_feature(mystring):
    keyword = 'you'
    before_keyword, keyword, after_keyword = mystring.partition(keyword)
    after_keyword = after_keyword.split(None, 1)[0]
    return {'word_after_you': after_keyword}
    classifier = nltk.NaiveBayesClassifier.train(train)



lang_detector = NaiveBayesClassifier(train, feature_extractor=get_word_after_you_feature)
lang_detector = NaiveBayesClassifier(train, feature_extractor=get_word_before_you_feature)


print(lang_detector.accuracy(test))
print(lang_detector.show_informative_features(5))

这是我得到的输出。

word_before_you ='do'refere：generi = 2.2：1.0
     word_before_you ='when'generi：refere = 1.1：1.0

似乎只能获得最后一项功能。如何让分类器训练两个特征而不是一个。

Answer 1

您要定义lang_detector两次，第二个定义只会覆盖第一个定义。定义一个特征提取器函数，该函数返回一个特征字典，每个特征名称作为键。在您的情况下，您将定义get_word_features(mystring)，它可以返回这样的字典：

return { 
     'word_after_you': after_keyword, 
     'word_before_you': before_keyword 
      }

其余的就像你一直在做的那样：将特征检测器功能传递给分类器的构造函数，并检查结果。

lang_detector = NaiveBayesClassifier(train, feature_extractor=get_word_features)
lang_detector.show_most_informative_features(5)

训练两个特征而不是一个

1 个答案: