我正在与 LinearSVC 合作将文本数据分为 3 类。输入数据是每个单词的 tfidf 分数。我有兴趣了解单词对分类的“贡献”。第一个问题是我可以使用 coef_ 吗？文档指出：
coef_ ：数组，形状 = [n_features] 如果 n_classes == 2 否则 [n_classes, n_features]
因此，我假设“n_classes”对应于文档可以分类的 3 个类别中的每一个，而 n_features 是我的 tfidf 特征的系数值。假设是这样，那么 coef_ 中的类的顺序是什么？如何将数组中的每一行与我的一个类相匹配？
thanks,
Nick
在不深入源码的情况下，我相信您的问题有两个答案：
班级已排序。因此，如果您有类 ['a', 'b', 'C']，那么您的类顺序将为 ['C','a','b']。 （这可能看起来很奇怪，但是在 Python 中创建该列表并对其进行 .sort() 。这就是顺序。）
有一个几乎没有证件的班级成员，LinearSVC().classes_，它保存类使用的顺序（请参阅该方法文档 http://scikit-learn.org/0.16/modules/generated/sklearn.svm.LinearSVC.html#sklearn.svm.LinearSVC.decision_function).
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
