Python 创建和测试分类器

我在excel文件中有两列。 第1行有确切的用户输入，第2行有其原因。e、 g

ROW 1                                     ROW 2
money deducted                            cause 1
delivery is late                          cause 2
something here                            cause 48
payment problem                           cause 1
.                                         .
.                                         .

该任务是实现一个分类器，当下一次给出特定用户输入时，它可以将其分类为原因之一，即使分类器了解这些情况并预测未来的值

---

我对分类有一些了解，但我真的很想知道如何使用one vs rest分类器实现这一点。

这就是使用scikit learn实现此分类器的方法。根据目标_名称索引，将所有训练句子传递给X_train和相应的标签

X_train = np.array(["money deducted",
                    "delivery is late",
                    "something here",
                    "payment problem"])
y_labels = [(1, ), (2, ), (3, ), (1, )]
y_train = MultiLabelBinarizer().fit_transform(y_labels)
target_names = ['cause1', 'cause2', 'cause48']
classifier = Pipeline([
    ('vectorizer', CountVectorizer()),
    ('tfidf', TfidfTransformer()),
    ('clf', OneVsRestClassifier(LinearSVC()))])
classifier.fit(X_train, y_train)

这就是训练分类器的全部内容，然后您可以轻松地预测您想要的任何内容。 更多参考：

然后将y_标签拟合并转换为二进制：

mlb.fit_transform(y_labels)

然后预测如下：

mlb.inverse_transform(classifier.predict(X_test))

这将为您提供类标签，然后您可以将其作为索引传递给目标名称

X_train = np.array(["money deducted",
                    "delivery is late",
                    "something here",
                    "payment problem"])
y_labels = [(1, ), (2, ), (3, ), (1, )]
y_train = MultiLabelBinarizer().fit_transform(y_labels)
target_names = ['cause1', 'cause2', 'cause48']
classifier = Pipeline([
    ('vectorizer', CountVectorizer()),
    ('tfidf', TfidfTransformer()),
    ('clf', OneVsRestClassifier(LinearSVC()))])
classifier.fit(X_train, y_train)

---

希望有帮助

尝试阅读分类算法，如

朴素贝叶斯分类器

。链接到一个简单的教程：@Thiru有没有关于如何使用一个或多个Classifier实现的想法？对于相同的导入，我有点困惑。我已经导入了

sklearn

，但仍然存在错误。我还需要导入什么？

从sklearn.pipeline导入管道从sklearn.feature\u extraction.text导入countvectorier

从sklearn.svm导入LinearSVC

从sklearn.feature\u extraction.text导入TfidfTransformer从sklearn.multi类导入OneVsRestClassifier

来自sklearn。预处理导入多LabelBinarizer

非常感谢！救了我一天！：）我有一个疑问，如果第1行具有相同的用户输入，而第2行具有与之对应的不同问题，该怎么办。在这种情况下，分类器不会预测任何内容。可能的修复方法是什么？在这种情况下，您可以使用阈值。如果预测值高于某个阈值，则认为它是正确的，否则就不正确。