Python 使用Scikit学习SVM为文本分类准备数据

我正在尝试应用Scikit中的SVM来对我收集的推文进行分类。 因此，将有两个类别，分别命名为A和B。 目前，我将所有推文分类为两个文本文件，“A.txt”和“B.txt”。 然而，我不确定Scikit学习支持向量机需要什么类型的数据输入。 我有一个以标签（a和B）为键的字典，还有一个以特征（单字）及其频率为值的字典。 对不起，我对机器学习很陌生，不知道该怎么做才能让SVM工作。 我发现SVM使用numpy.ndarray作为数据输入的类型。我需要根据自己的数据创建一个吗？ 应该是这样的吗

Labels    features    frequency
  A        'book'        54
  B       'movies'       32

---

非常感谢您的帮助。

请查看上的文档

还可以看一看

这里还有一个教程：

---

特别是不要过于关注SVM模型（特别是对内核模型更感兴趣的不是

sklearn.SVM.SVC

，因此不是文本分类）：一个简单的感知器，LogisticRegression或Bernoulli naive Bayes模型在训练速度更快的情况下也可以发挥同样的作用。

多项式naive Bayes/SVM两者都适用。链接到

文本分类示例

非常感谢报告，我修复了断开的链接。@ogrisel:我正在尝试使用naive Bayes的10个类，但对结果并不满意。如果数据集很小，则svm非常适合，对于少量样本（例如，少于10000个样本左右），每类大约100个句子，

SVC（kernel='linear'）

可能足够快，可以收敛。但是，它应该提供与

LinearSVC

类似的预测性能，并与

LogisticRegression

类似的性能，后者应该更快，并且可以扩展到数十万个样本。对于每种情况，您都需要通过交叉验证为C选择最佳值。此外，

logisticsregression

默认情况下提供了良好的概率估计（使用

predict\u proba

方法）。这就是为什么我建议您在默认情况下在通用

SVC

上使用线性模型。