Numpy Scikit朴素贝叶斯文本分类

我正在尝试使用scikit进行朴素的Basyes分类。我有几个问题（我也是scikit的新手）

1） Scikit算法希望输入为numpy数组，标签为数组。在文本分类的情况下，我是否应该通过维护vocab中的单词散列和与之相关联的唯一id，将每个单词映射为一个数字（id）？这是scikit的标准做法吗

2） 如果将同一文本分配给多个类，我应该如何继续。一个明显的方法是复制每个培训示例，每个示例对应一个相关标签。还有更好的代表性吗

3） 类似地，对于测试数据，如何获得与测试关联的多个类

我正在使用 作为我的基地。

1）是的。使用特征提取模块中的DictVectorizer或HashVectorizer。 2） 这是一个多标签问题。可能使用multi_类模块中的OneVsRestClassifier。它将为每个类训练一个单独的分类器。 3） 使用多标签分类器/每个CALS使用一个分类器可以做到这一点

看看

---

谢谢你的回答。在这个策略中我有几个问题：假设我使用OneVsAll/OneVsRestClassifier，标签的排列将构成一个不同的类，而它应该是相同的，这难道不容易受到这个事实的影响吗。例如，对于一个特定的测试，假设我现在有一个标签X，Y，Z，用于几乎相似的文本，如果我有Z，Y，a作为标签，OneVsAll分类器将错误地认为第一个文本适合X，而第二个文本适合Z？而排列并不重要。标签排序会有帮助吗？Scikit learn将为您解决这一问题，但我建议将LabelBinarizer应用于您的标签，这将创建一个独特的表示。