我是ML的新手，所以我有一个非常基本的问题。如果有人为我澄清它，我将不胜感激。
假设我有一组推文，分别标为负面和正面。我想进行一些情绪分析。
我提取了3个基本功能：
如何将这些功能与SVM或其他ML算法一起使用？
换句话说，我应该如何在SVM算法中部署提取的功能？ 我正在使用python，并且已经知道应该如何运行SVM或其他算法，但是我对提取的功能及其在每种算法中的作用之间的关系一无所知！
根据一些专家的回答，我更新了我的问题：
首先，我想感谢您的时间和值得的解释。我认为我的问题正在解决...因此，按照您的说法，每个ML算法可能都需要一些矢量化特征，因此我应该找到一种方法来将我的特征表示为矢量。我想通过一个简单的例子来解释我从您的解释中得到的结果。
说我将表情图标（例如3个图标）作为一项功能：
1-因此，我应该用具有3个值的向量表示此功能。
2-矢量化功能可以通过以下方式初始化：[0,0,0]（每个值代表一个图标= :）以及:(和：P）。
3-下一步，我应该浏览每条推文，并检查该推文是否带有图标。例如[2,1,0]显示该推文有：:) 2次，和：（1次，：p没有时间。
4-检查完所有推文后，我将得到一个大向量，大小为n * 3（n是我的推文总数）。
其他功能应执行5阶段1-4。
6-然后，我应该使用m个SVM模型（m是我的特征数）合并所有这些特征，然后通过多数表决或其他方法进行分类。 或者应该通过串联所有矢量来创建一个长矢量，并将其馈送到SVM。
如果有任何误会，请您纠正我吗？如果不正确，我将其删除，否则我应该保留它，因为它对于像我这样的任何初学者来说都是可行的... 谢谢你……
答案 0 :(得分：4)
基本上，为了使事情非常“简单”和“浅”，所有算法都采用某种数值矢量来表示特征
真正的工作是找到如何将特征表示为矢量，以产生最佳效果，这取决于特征本身和使用算法
例如，要使用基本上找到分隔平面的SVM，您需要将特征投影到某些向量集上，从而产生足够好的分离度，因此，例如，您可以这样处理特征：
情感图标-创建代表该推文中所有图标的矢量，将每个图标定义为从1到n的索引[0,0,0,2,1]表示第4和第5个图标分别出现在他的体内2次和1次
感叹号-您可以简单地计算出现的次数（更好的方法是代表一些有关它的更多信息，例如句子中的位置等等）< / p>
强度词-您可以使用与情感图标
基本上，每个功能都可以在SVM模型中单独使用，以对优点和缺点进行分类
您可以使用3种 SVM 模型合并所有这些功能，然后按多数表决或其他方法进行分类
或
您可以通过串联所有矢量来创建一个长矢量，并将其提供给 SVM
这只是一种方法，您可以对其进行调整或使用其他方法来更好地拟合数据，模型和目标