用于情绪分析的机器学习算法的工作

Question

我从here找到了一个很好的 Naive Bayes Classifier 示例。我无法理解这些步骤。

from nltk.classify import SklearnClassifier
from sklearn.naive_bayes import BernoulliNB
from sklearn.svm import SVC
train_data = [({"a": 4, "b": 1, "c": 0}, "ham"),
      ({"a": 5, "b": 2, "c": 1}, "ham"),
      ({"a": 0, "b": 3, "c": 4}, "spam"),
          ({"a": 5, "b": 1, "c": 1}, "ham"),
          ({"a": 1, "b": 4, "c": 3}, "spam")]
classif = SklearnClassifier(BernoulliNB()).train(train_data)
test_data = [{"a": 3, "b": 2, "c": 1},
             {"a": 0, "b": 3, "c": 7}]
classif.classify_many(test_data)
['ham', 'spam']
classif = SklearnClassifier(SVC(), sparse=False).train(train_data)
classif.classify_many(test_data)
['ham', 'spam']

什么是：

1. 上面代码中的功能？
2. 情绪的实际数据？
3. “a”：4，“b”：1，“c”：0？
4. ham，垃圾邮件？

基本目的是了解ML算法的工作原理。 我是情感分析的新手。我希望有人会帮忙。

Answer 1

您发布的代码示例使用无意义数据来训练分类器。

  

什么是：

     

  
1. 上面代码中的功能？
  
2. ＆＃34; a＆＃34;：4，＆＃34; b＆＃34;：1，＆＃34; c＆＃34;：0？
  
3. ham，垃圾邮件？
  

数组train_data包含名为＆＃34; a＆＃34;，＆＃34; b＆＃34;和＆＃34; c＆＃34;的功能。 分类类别是＆＃34; ham＆＃34;和＃＆＃34;垃圾邮件＆＃34;。情感分析可能会使用类别＆＃34;积极＆＃34;和＆＃34;否定＆＃34;。

  

  
1. 情绪的实际数据？
  

此演示中没有实际的情绪数据。

请注意，您无法从此代码段了解学习算法的工作原理。它只是向您展示训练分类器的黑匣子的API。要了解机器学习，请阅读有关培训的工作原理。要学习如何训练分类器（不知道训练如何在幕后工作），请从NLTK书的Chapter 6开始。