好吧,我正在制作一个情感分析分类器,我有三个类别/标签:积极、中性和消极。我的训练数据的形状是 (14640, 15),其中
negative 9178
neutral 3099
positive 2363
我对数据进行了预处理,使其标准化,并将词袋词向量化技术应用于 Twitter 文本,使其可馈送到模型中,模型大小为 (14640, 1000)。由于 Y 表示标签采用文本形式,因此我应用了 LabelEncoder,以便可以将其放在一行中。像这样 -
[1 2 1 ... 1 0 1]
这就是我分割数据集的方式 -
X_train, X_test, Y_train, Y_test = train_test_split(bow, Y, test_size=0.3, stratify=Y, random_state=42)
print(X_train.shape,Y_train.shape)
print(X_test.shape,Y_test.shape)
out:(10248, 1000) (10248,)
(4392, 1000) (4392,)
stratify=y
将不平衡的数据转化为适当的加权形式。对于分类器部分,我使用了 SVM -
svc = svm.SVC(kernel='linear', C=1, probability=True, class_weight='balanced').fit(X_train, Y_train)
prediction = svc.predict_proba(X_test)
prediction_int = prediction[:,1] >= 0.3
prediction_int = prediction_int.astype(np.int)
print(prediction_int)
print('Precision score: ', precision_score(Y_test, prediction_int, average=None))
print('Accuracy Score: ', accuracy_score(Y_test, prediction_int))
out:[0 0 0 ... 1 0 0]
Precision score: [0.74185137 0.50075529 0. ]
Accuracy Score: 0.6691712204007286
/usr/local/lib/python3.6/dist-packages/sklearn/metrics/classification.py:1437: UndefinedMetricWarning: Precision is ill-defined and being set to 0.0 in labels with no predicted samples.
'precision', 'predicted', average, warn_for)
@desertnaut 帮我决定了很多,实际问题是什么,最后,我看到分类器无法预测第三类。你可以看到我已经打印出来了prediction_int
它没有显示任何2
指数。而且,它与实际标签相去甚远。我担心分类过程中是否出现任何错误。这个分类器是我为二元分类而制作的,我认为我不需要为多类分类而更改它。你们中有人能帮我解决这个问题吗?