Python TextBlob朴素贝叶斯文本分类

我正在尝试使用python中的TextBlob在tweet上实现NaiveBayes分类器。我已经能够对数据集进行培训，并能够使用以下方法成功地对个人推文进行分类：

print cl.classify("text")

现在我想打开一个csv文件，并对该文件中的所有推文进行分类。对我如何实现这一目标有什么建议吗？我的代码如下：

import csv
from textblob import TextBlob

with open(test_path, 'rU') as csvfile:
    lineReader = csv.reader(csvfile,delimiter=',',quotechar="\"")
    lineReader = csv.reader(csvfile,delimiter=',')

    test = []
    for row in lineReader:
      blob = (row[0]) 
      blob = TextBlob(blob)
      test.append([blob])

      print (test.classify())

---

AttributeError:“list”对象没有属性“classify”

您也需要先进行训练（不清楚您是否已经这样做了？）

---

你也需要先进行训练（不清楚你是否已经这样做了？）

---

您正在调用

list

上的

classify（）

。您应该对

blob

执行此操作。为什么有两个读线器作业？感谢您提供的解决方案！您正在调用

list

上的

classify（）

。您应该对

blob

执行此操作。为什么有两个读线器作业？感谢您提供的解决方案！

train = [] 
# then repeat your above lines, appending each tweet to train set
# but for a separate training set (or slice up the rows)

# do your test append loop -----

# 1. Now train a model
my_classifier = NaiveBayesClassifier(train)

# 2. test given to the model to get accuracy
accu = my_classifier.accuracy(test)