Scikit learn 如何知道NLP模型中与特定类相关的单词？

我使用逻辑回归算法和TF-IDF矢量器训练了“消费者投诉分类”的NLP模型。我想知道我的模型与特定类关联的单词。我在找这样的东西-

---

类1=[“帮助我的模型识别输入文本属于该类的单词列表”

我想你需要的是与一个类相关的最重要的单词（或更好的标记）。因为通常所有标记都会以某种方式与所有类“关联”。因此，我将用以下方法回答您的问题：

假设由

TfidfVectorizer

生成的令牌（或单词）存储在

X\u列中，标签位于
y\u列中，您训练的模型如下：

from sklearn.linear_model import LogisticRegression
from sklearn.feature_extraction.text import TfidfVectorizer

vectorizer = TfidfVectorizer()
X_train = vectorizer.fit_transform(corpus)

clf = LogisticRegression()
clf.fit(X_train, y_train)

LogisticRegression
的
coef
属性对于多类问题具有形状（n_类，n_特征），包含为每个标记和每个类计算的系数。这意味着，通过根据类对其进行索引，可以访问用于该特定类的系数，例如，对于类
0
，
coef[1]
，对于类
1
，等等

只需将标记名与系数重新关联，并根据它们的值对它们进行排序。然后，您将获得每个类最重要的标记。获取类
0
的最重要标记的示例：

import pandas as pd

important_tokens = pd.DataFrame(
    data=clf.coef_[0],
    index=vectorizer.get_feature_names(),
    columns=['coefficient']
).sort_values(ascending=False)

important_tokens
中的标记现在根据其对类
0
的重要性进行排序，并且可以通过索引值轻松提取。例如，要获取n个最重要的特性作为列表：
important_tokens.head（n）.index.values

如果您想要为其他类使用最重要的标记，只需根据需要替换
coef\uu
属性的索引即可