Python 用于自动化的文本标记/分类

我有机会自动化并使用ML来释放我的时间 在DevOps jerkin automation中，我需要标准化阶段名称，但在企业中，对于2000+项目，一些阶段名称会自动基于项目名称、存储库名称进行框显，这可能不符合标准。有一个报告，它提取所有这些未分类的新管线阶段名称，并使用模式匹配，将它们手动分类到不同的桶中。 当我尝试使用sci工具包时，大多数算法都不接受字符串作为输入。

---

这组人中的任何人都可以指出正确的算法和样本以供使用

这是机器学习中的一个常见问题，许多算法都假设您已将分类列更改为数字列

首先，你可以用遗嘱

使用0到n_class-1之间的值对标签进行编码

此方法将字符串转换为整数

然后，您需要考虑这个方法是否相关。通常不是这样，因为在不同的单词之间会有一个层次结构，算法可能会认为单词5大于单词4（事实并非如此）

您可以使用（在使用LabelEncoder之后，因为OneHotEncoder对数字列进行编码）

这将为每个类别创建一个二进制列，并返回一个稀疏矩阵或密集数组

请注意，OneHotEncoder将使功能数量成倍增加，这可能是训练模型的一个问题

您还可以使用而不是LabelEncoder和OneHotEncoder。看看这两种方法的比较

许多NLP算法也使用“”模型。看看图书馆，它可能会帮助你们解决你们的问题