Python 如何在计数器上使用SklearnClassifier

我有一些由它们的大图表示的列表，以及它们出现的次数。bigrams来自由所有独特的bigrams组成的词汇表。我想在这个问题上使用SklearnClassifier（SVC）

到目前为止我编写的代码：

 train_ngrams = [(train_filtered_tweets[i], train_filtered_tweets[i + 1]) for
 i in range(len(train_filtered_tweets) - 1)]
 print "Tweets from train set as bigrams", Counter(train_ngrams)

 classif = SklearnClassifier(BernoulliNB()).train(train_ngrams)
 classify = SklearnClassifier(SVC(), sparse=False).train(Counter(train_ngrams))
 print classify

但我得到了一个错误：

 AttributeError: 'str' object has no attribute 'iteritems'

---

我想这是因为我的训练图不是特征向量，但我不知道如何做

您的训练数据还需要特定的目标标签。考虑从NLTK中提取的这个例子：

如您所见，目标标签是火腿或垃圾邮件。此外，您似乎正在使用

计数器

对象，而API正在查找元组列表，其中包含每个元组中的单词计数字典以及标签。我不知道您为tweet语料库创建了什么目标标签，但我可以告诉您如何为您的语料库生成双克频率词典，假设您的语料库是一个iterable，其中每个元素都是tweet

mybigramlist = []
for tweet in corpus:
    tokens = nltk.word_tokenize(tweet)
    bgs = nltk.bigrams(tokens)  # get the bigrams
    freqs = nltk.FreqDist(bgs)  # this is dictionary of the bigrams with their frequencies in the tweet
    mybigramlist.append(freqs)

---

现在，您所要做的就是找出您的标签是什么，然后制作符合给定文档结构的最终培训数据。

我尝试过使用它，但我得到的只是一个无回报？你知道为什么吗？你的语料库是推特列表吗。例如，

corpus=[“我们独角鲸中真正的独角兽”，“这是tweet二”，“tweet三是积极情绪！”]

？另外，如果你在看tweet，使用数据集可能会更好，因为数据集只是很多tweet，我正在尝试对类似这样的数据使用分类器；[（'1'，'hello'），（'hello'，'says'），（'says'，'someone'），（'someone'，'country'），（'country'，'fasting'）][（'2'，'happy'，'sad'，'sad'，'pythoin'，'never'），（'never'，'commit'）嗯，所以看起来数据中已经生成了bigram。它只需要在字典格式中有bigram的计数。

mybigramlist = []
for tweet in corpus:
    tokens = nltk.word_tokenize(tweet)
    bgs = nltk.bigrams(tokens)  # get the bigrams
    freqs = nltk.FreqDist(bgs)  # this is dictionary of the bigrams with their frequencies in the tweet
    mybigramlist.append(freqs)