Python 训练两个功能，而不是一个

我有这个密码。我有两个特点。如何同时训练这两个功能

from textblob import TextBlob, Word, Blobber
from textblob.classifiers import NaiveBayesClassifier
from textblob.taggers import NLTKTagger
import re
import nltk



def get_word_before_you_feature(mystring):
    keyword = 'you'
    before_keyword, keyword, after_keyword = mystring.partition(keyword)
    before_keyword = before_keyword.rsplit(None, 1)[-1]
    return {'word_after_you': before_keyword}


def get_word_after_you_feature(mystring):
    keyword = 'you'
    before_keyword, keyword, after_keyword = mystring.partition(keyword)
    after_keyword = after_keyword.split(None, 1)[0]
    return {'word_after_you': after_keyword}
    classifier = nltk.NaiveBayesClassifier.train(train)



lang_detector = NaiveBayesClassifier(train, feature_extractor=get_word_after_you_feature)
lang_detector = NaiveBayesClassifier(train, feature_extractor=get_word_before_you_feature)


print(lang_detector.accuracy(test))
print(lang_detector.show_informative_features(5))

这是我得到的输出

你之前的单词是“do”referee:generi=2.2:1.0
单词“在你之前”=“当”generi:referee=1.1:1.0

---

它似乎只有最后一个功能。如何让分类器同时训练两个特征而不是一个特征。

您定义了两次

lang\u检测器

，而第二个定义只是覆盖了第一个定义。定义一个要素提取器函数，该函数返回要素字典，每个要素名称作为键。在您的情况下，您可以定义

get\u word\u features（mystring）

，它可以返回如下字典：

return { 
     'word_after_you': after_keyword, 
     'word_before_you': before_keyword 
      }

剩下的就是您一直在做的事情：将特征检测器函数传递给分类器的构造函数，并检查结果

lang_detector = NaiveBayesClassifier(train, feature_extractor=get_word_features)
lang_detector.show_most_informative_features(5)