Python 如何将20个新闻组数据集从20重新分类为6

我下载了流行的20个新闻组数据集，其中有20个类，但我想将整个文档重新分类为6个类，因为有些类非常相关

例如，所有与计算机相关的文档都应该有一个新类，比如1。正如现在一样，文档从1到20分配，反映了类。与计算机相关的课程有2、3、4、5和6

我想说，1是所有与计算机相关的课程（2,3,4,5,6）。我使用

20_新闻组.target[0]

对它进行了测试，结果是7。表示0处单据的类别为7

我使用

20\u新闻组将其重新分配给一个新类。target[0]='1'

当我尝试

20\u新闻组。target[0]

时，它显示1，这是确定的

但是，我如何才能为所有当前具有（2,3,4,5,6）类的文档执行此操作？如果我理解这个类，我可以很容易地将它扩展到其他类。我还尝试在20_新闻组中使用d：

if 20_newsgroups.target in [2,3,4,5,6], 20_newsgroups.target='1'.

---

但这显示了一个错误，即“具有多个元素的数组的真值是明确的，请使用a.any（）或a.all”。

我不确定是否理解您的问题，但您似乎想将类别加入超级类别。这应该不难做到，但在实验的后期这样做并不是最理想的。如果您想减少类别的数量，请在流程的第一步加入一些类别。这样，来自不同（原始）类别的相似样本不会在培训阶段造成混淆（当然，前提是它们现在属于同一个新类别），从而产生更好的总体结果。

您可以这样做。代码基于使用scikit learn检索20新闻组数据集：

主题分布基于提供的表（但可以调整）。以下代码减少了数据集的类别数量

twenty_train_reduced = twenty_train.target.copy
for index, target in enumerate(twenty_train.target):
  for topic_i, topic in enumerate(topics):
    if(target in topic):
      twenty_train_reduced[index] = topic_i

---

是的，这正是我想做的。有没有更好的方法呢？谢谢你，比我刚才提议的更好？为什么我要发布一个不恰当的答案？为什么这是不可接受的？

twenty_train_reduced = twenty_train.target.copy
for index, target in enumerate(twenty_train.target):
  for topic_i, topic in enumerate(topics):
    if(target in topic):
      twenty_train_reduced[index] = topic_i