NLTK：用数字分数代替标签的文档分类

Question

根据一个项目，我一直在使用pythonltk和文档分类以及naivebayes分类器。我从文档中了解到，如果您的不同文档使用pos或neg作为标签（或多于2个标签），那么这种方法非常有效

我正在处理的已经被分类的文档没有标签，但是它们有一个分数，一个0到5之间的浮点。

我想做的是构建一个分类器，就像文档中的movies示例，但是它可以预测一段文本的分数，而不是标签。我相信文档中提到过这一点，但从未进一步探讨过“数字特征的概率”

我不是一个语言专家，也不是一个统计学家，所以如果有人有这样的例子，我将非常感激，如果你能与我分享。谢谢！

Answer 1

这是一个很晚的答案，但也许它会帮助某人。在

你要问的是回归。对于雅各布的答案，线性回归只是一种方法。不过，我同意他对scikit learn的建议。在

Answer 2

你要找的是线性回归，scikit learn比NLTK好得多，参见http://scikit-learn.org/stable/modules/linear_model.html