Как предсказать метку после обучения набора данных в НЛП - PullRequest
Новая
       16

Как предсказать метку после обучения набора данных в НЛП

0 голосов
/ 07 ноября 2019

Я пытаюсь провести анализ настроений в комментариях;набор данных содержит два основных столбца: первый - «обзор», который содержит отзывы пользователей, а второй - положительный или отрицательный;Я получил шаблон из источника для предварительной обработки данных, обучение и тестирование в порядке. Однако я хочу ввести текст и хочу, чтобы модель предсказывала, является ли он положительным или отрицательным. Я пробовал так много форм ввода: только строка, список строк, numpy в массив и т. Д. Однако я всегда получал ошибки;какие-либо идеи, как ввести данные, которые будут предсказаны? вот мой код: 

import matplotlib.pyplot as plt
import pandas as pd

# Importing the dataset
dataset = pd.read_csv('Restaurant_Reviews.tsv', delimiter='\t',quoting=3)

import re 
import nltk
nltk.download('stopwords')
from nltk.corpus import stopwords
from nltk.stem.porter import PorterStemmer
corpus=[]
for i in range(0,1000):
    review=re.sub('[^a-zA-Z]',' ',dataset['Review'][i])
    review.lower()
    review=review.split()
    ps=PorterStemmer()
    review=[ps.stem(word) for word in review if not word in set(stopwords.words('english'))]
    review=' '.join(review)
    corpus.append(review)

#the bag of word
from sklearn.feature_extraction.text import CountVectorizer
cv=CountVectorizer(max_features=1500)
X=cv.fit_transform(corpus).toarray()
y=dataset.iloc[:,1].values

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0)



# Fitting Naive Bayes to the Training set
from sklearn.naive_bayes import GaussianNB
classifier = GaussianNB()
classifier.fit(X_train, y_train)

# Predicting the Test set results
xeval=["I like it okay"]
prediction=classifier.predict(xeval)```

the error in this case is:
Expected 2D array, got 1D array instead:
array=['I like it okay'].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

1 Ответ

0 голосов
/ 07 ноября 2019

Как уже упоминал Дж. Андерсон, ваш классификатор обучен числовым данным, которые вы использовали: 

X=cv.fit_transform(corpus).toarray()

и для этого создан CountVectorizer.

Чтобы использовать его, вы такжеВы должны использовать обученный CountVectorizer, вы должны реализовать: 

# Predicting the Test set results
xeval=["I like it okay"]
xeval_numeric = cv.transform(xeval).toarray() 
prediction=classifier.predict(xeval_numeric)
...