sklearn Logistic Regression - 使用来自外部测试数据的自定义输入进行预测

Posted 2023-03-12

【中文标题】sklearn Logistic Regression - 使用来自外部测试数据的自定义输入进行预测

【英文标题】：sklearn Logistic Regression - Make prediction with custom input from outside testing data

【发布时间】：2020-06-08 17:32:06

【问题描述】：

我正在使用 sklearn 进行逻辑回归，以根据某些描述预测某些类别。这是目前的代码

    X_Train, X_Test, y_train, y_test = train_test_split(df['description'], df['category'])

    count_vect = CountVectorizer()
    X_Train_counts = count_vect.fit_transform(X_Train)

    tfidf_transformer = TfidfTransformer()
    X_Train_tfidf = tfidf_transformer.fit_transform(X_Train_counts)

    # Fit the logistic regression model
    clf = LogisticRegression(random_state=0, class_weight='balanced', solver='lbfgs', max_iter=1000)
    clf.fit(X_Train_tfidf, y_train)

要手动检查我的预测，我会这样做

    # Make predictions
    predictions = clf.predict(tfidf_transformer.transform(count_vect.transform(X_Test)))

    print(X_Test.iloc[7])
    print(predictions[7])

我的问题是如何通过从测试数据外部手动提供自定义 description 来预测 category（例如，我手动输入）

如果可能的话，是否还有一种方法可以获得该自定义文本的前 n 个预测类别？

【参考方案1】：

你应该可以做这样的事情：

your_description = "some text"
vectorized = tfidf_transformer.transform(count_vect.transform([your_description]))
predictions = clf.predict(vectorized.reshape(-1, 1))