如何在 NLP 中訓練數據集后預測 label

Question

我正在嘗試對評論進行情緒分析； 該數據集包含兩個主要列：第一個是“評論”，其中包含用戶的評論，第二個列是正面還是負面； 我從源頭得到了一個模板來預處理數據，訓練和測試還可以。 但是，我想輸入一個文本並希望 model 預測它是正面還是負面。 我嘗試了這么多輸入的 forms：僅字符串，字符串列表，numpy 到數組等。但是，我總是出錯； 任何想法如何輸入要預測的數據？ 這是我的代碼：

import matplotlib.pyplot as plt
import pandas as pd

# Importing the dataset
dataset = pd.read_csv('Restaurant_Reviews.tsv', delimiter='\t',quoting=3)

import re 
import nltk
nltk.download('stopwords')
from nltk.corpus import stopwords
from nltk.stem.porter import PorterStemmer
corpus=[]
for i in range(0,1000):
    review=re.sub('[^a-zA-Z]',' ',dataset['Review'][i])
    review.lower()
    review=review.split()
    ps=PorterStemmer()
    review=[ps.stem(word) for word in review if not word in set(stopwords.words('english'))]
    review=' '.join(review)
    corpus.append(review)

#the bag of word
from sklearn.feature_extraction.text import CountVectorizer
cv=CountVectorizer(max_features=1500)
X=cv.fit_transform(corpus).toarray()
y=dataset.iloc[:,1].values

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.2, random_state = 0)



# Fitting Naive Bayes to the Training set
from sklearn.naive_bayes import GaussianNB
classifier = GaussianNB()
classifier.fit(X_train, y_train)

# Predicting the Test set results
xeval=["I like it okay"]
prediction=classifier.predict(xeval)```

the error in this case is:
Expected 2D array, got 1D array instead:
array=['I like it okay'].
Reshape your data either using array.reshape(-1, 1) if your data has a single feature or array.reshape(1, -1) if it contains a single sample.

Answer 1

正如 G.Anderson 已經提到的那樣，您的分類器是用數字數據訓練的，就像您使用的那樣：

X=cv.fit_transform(corpus).toarray()

CountVectorizer 就是為此而生的。

要使用它，您還必須使用經過訓練的 CountVectorizer，您必須實現：

# Predicting the Test set results
xeval=["I like it okay"]
xeval_numeric = cv.transform(xeval).toarray() 
prediction=classifier.predict(xeval_numeric)