Python 是否提供scikit学习分类器自定义训练数据？

我已经为此工作了一整天（相当挣扎）。在阅读了文档和许多其他教程之后，由于我的经验不足，我不知道如何将自己的数据用于多项式NB分类器

以下是主教程中的代码：

from sklearn.datasets import fetch_20newsgroups
from sklearn.naive_bayes import MultinomialNB

categories = ['alt.atheism', 'soc.religion.christian',
              'comp.graphics', 'sci.med']

text_clf = Pipeline([('vect', CountVectorizer()),
                     ('tfidf', TfidfTransformer()),
                     ('clf', MultinomialNB()),
])
twenty_train = fetch_20newsgroups(subset='train',
    categories=categories, shuffle=True, random_state=42)
text_clf.fit(twenty_train.data, twenty_train.target)  

docs_test = ['Graphics is love', 'the brain is part of the body']

predicted = text_clf.predict(docs_test)

for doc, category in zip(docs_test, predicted):
    print('%r => %s' % (doc, twenty_train.target_names[category]))

显然，它是有效的。但是我如何用自己的数据（存储在python字典或类似的东西中）替换fetch_20新闻组呢？以下培训数据中的每一项都被归类为一个类别，这是如何实现的

---

我明白这不是一个很好的问题，但在这个需要的时候，我只想了解一下它是如何工作的。感谢

几乎所有的sklearn

fit

方法都会将训练数据列表和标签列表作为输入。在您的情况下，训练数据列表将是字符串列表（您必须在其上训练模型的文本）。比如

[“这是我的第一个训练样本”，“这是第二个字符串”，“这是第三个”，…]

，还有另一个标签列表，比如

[“label1”，“label2”，“label1”，“…]

然后将这些列表传递给fit方法：

text_clf.fit(list_of_training_datas, list_of_labels)

predict

方法将保持不变，因为它还将获取要测试的样本列表，并将返回包含每个测试样本的预测标签的列表