在scikitlearn中,我必须在文本文档集合上实现一个线性SVM分类器。关于特征提取的文档说明了如何只转换可用的数据集、iris等。我需要上传我自己的文本文件集合并进行转换,以便估计器可以使用它。为此,我试着用这个。在
fil = datasets.load_files('/home/ayushi/Dropbox/Bundeli/corpus/wob/sklearn', description=None, categories=None, load_content=True, shuffle=True, encoding='utf-8', charset=None, charset_error=None, decode_error='strict', random_state=0)
vec = DictVectorizer()
vec.fit_transform(fil).toarray()
现在我得到了这个错误
^{pr2}$Gaari是一种体裁的名称,是文本需要分类的东西。在
另外,当我试这个的时候:http://scikit-learn.org/stable/auto_examples/svm/plot_iris.html#example-svm-plot-iris-py
使用load_files()来获取我自己的数据并准确地跟踪所有内容,我得到了这个错误。在
TypeError : list indices should be integer not tuples
但我还是需要把它转换成二维数据集。有人有什么建议吗?在
sklearn.datasets.load_files
只将文件加载到内存中,生成字符串,DictVectorizer
则需要dict作为输入。您需要一个执行实际特征提取的函数:其中
extract_features
是一个特定于数据集的函数,它接受一个字符串并生成一个dict映射特性名称到特征值。在相关问题 更多 >
编程相关推荐