scikit-learn“使用文本数据教程”忽略了我的目标类别

Posted 2023-03-12

【中文标题】scikit-learn“使用文本数据教程”忽略了我的目标类别

【英文标题】：scikit-learn "Working with Text Data Tutorial" ignores my target categories

【发布时间】：2015-05-22 14:50:28

【问题描述】：

我正在研究 ML 算法并查看：Scikit-Learn Working with Text Tutorial

现在我尝试使用我自己的训练数据集，其中包含 1 个特征 = 消息，以及从 -2（负面）到 2（正面）的 5 个类别评级。

然后我按照教程中的说明进行操作，但它始终会返回最多 4 个 target_categories 而不是 5 个！

target_categories = ['-2', '-1', '0', '1','2']

print(metrics.classification_report(train_data.Category, predicted,target_names=target_categories))

我只会得到predicted_proba for -2,-1,0,1。例如：[0.2 0.2 0.4 0.4]

为什么 Scikit 只给我一个 4x1 向量而不是 5x1？为什么我的target_categories 中的最后一个值被省略了？

如果我只使用 3，我会得到一个错误：

values = [target_names[i]]
IndexError: list index out of range

非常感谢您的帮助！

【问题讨论】：

我想我找到了问题所在，似乎是我使用的训练数据集太少，而其中没有一个 target_categories。

如果确认，请将该评论作为您问题的答案。

【参考方案1】：

是的，它不起作用的原因是，因为我将训练数据拆分为 50%，而 target_values 并未全部包含在训练数据中。下次我会洗牌。