Python 多标签分类

我有大约1000篇与科技有关的新闻文章。我需要训练一个分类器来预测每篇文章的3（计算机科学、电子、电气）置信度分数。 每个分数代表文章属于每个领域的程度。 置信度得分将是介于0和1之间的值

但是数据集没有训练标签

我如何从这里开始？我需要什么样的数据？

---

如何训练这样的模型？

因此，这不是分类问题。 只要你没有任何标签，它是无人监管的

您可以做的是查看K-Means（无监督机器学习算法），它允许您将数据聚类到预定义数量的聚类中（这里是3个）：

但你没有任何措施来验证“基本事实”

如果你真的想更进一步，你可以尝试自己给这些文章贴标签（比如说计算机科学、电子和电气），并尝试一些有监督的算法（使用scikit learn）/神经网络（使用tensorflow）

其思想是将输入数据矢量化（您可以查看TF-IDF），然后尝试任何有监督的模型

这就是NLP。你也有可以帮助你做到这一点的库

NLTK和Spacy是一个良好的开端：

---

你的主要想法并不十分清楚，但文章通常都有标签或类别，你可以用它们作为分类标签

---

人类非常擅长文章标签

很好的技术概述hanks@prosti:）