对于电影评论数据集，我正在创建一个朴素的贝叶斯多项式模型。现在，在训练数据集中，每种类型都有评论。因此，除了为影片评论数据集创建通用模型而不忽略类型特征之外，我如何训练一个模型，该模型还应考虑类型特征以及与评论中出现的单词相关的tf-idf。我需要为每种类型创建一个模型，还是可以将其合并到一个模型中？
Training Dataset Sample:
genre, review, classification
Romantic, The movie was really emotional and touched my heart!, Positive
Action, It was a thrilling movie, Positive
....
Test Data Set:
Genre, review
Action, The movie sucked bigtime. The action sequences didnt fit into the plot very well
答案 0 :(得分：1)
从documentation，The multinomial distribution normally requires integer feature counts。作为输入提供的分类变量，尤其是如果将它们编码为整数时，可能不会对模型的预测能力产生积极影响。如上所述，您可以考虑使用神经网络，也可以完全删除类型栏。如果拟合后模型仅对文字特征具有足够的预测能力，甚至可能没有必要添加分类变量作为输入。
我尝试此任务的方式是通过stacking具有文本特征的虚拟分类值，并将堆叠的数组以及目标标签一起提供给SGD模型。然后，您将执行GridSearch以最佳选择超参数。
答案 1 :(得分：0)
请考虑将genre作为类别变量，可能使用伪编码（请参见pd.get_dummies(df['genre'])），并将其以及tf-idf分数输入模型中。
除朴素贝叶斯外，还应考虑其他模型类型-神经网络涉及变量之间的更多相互作用，并且可能有助于更好地捕获流派之间的差异。 Scikit-learn也有一个MLPClassifier实现，值得一看。