如何将Naive Bayes Classifier的结果导入对比表格？

核心步骤 #

1. 从训练好的Naive Bayes模型获取单条评论的情感预测结果
2. 将Transformer Pipeline结果、Naive Bayes结果与原始评论对齐
3. 合并为结构化数据并导出为CSV对比表

示例完整代码（适配IMDB数据集） #

假设你的Naive Bayes代码基于sklearn，以下是补全后的可运行代码：

import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.pipeline import Pipeline
from transformers import pipeline

# 1. 加载IMDB测试集（替换为你的数据集路径）
test_df = pd.read_csv("imdb_test.csv")

# 2. 初始化并训练Naive Bayes模型（已训练好可跳过此段）
nb_pipeline = Pipeline([
    ('vectorizer', CountVectorizer(stop_words='english', max_features=5000)),
    ('classifier', MultinomialNB())
])
# 假设你有训练集train_df，包含'review'和'sentiment'列（0=负面，1=正面）
# nb_pipeline.fit(train_df['review'], train_df['sentiment'])

# 3. 获取Naive Bayes预测结果并统一标签格式
nb_predictions = nb_pipeline.predict(test_df['review'])
test_df['nb_sentiment'] = ['positive' if pred == 1 else 'negative' for pred in nb_predictions]

# 4. 获取Transformer情感分析结果
sentiment_pipe = pipeline("sentiment-analysis", model="distilbert-base-uncased-finetuned-sst-2-english")
transformer_results = sentiment_pipe(test_df['review'].tolist())
test_df['transformer_sentiment'] = [res['label'].lower() for res in transformer_results]

# 5. 生成对比表并导出CSV
comparison_df = test_df[['review', 'transformer_sentiment', 'nb_sentiment']]
comparison_df.to_csv("sentiment_comparison.csv", index=False)

关键说明 #

• Naive Bayes结果获取：用model.predict()得到类别预测值，再根据你的标签规则转为和Transformer一致的文本标签（如positive/negative），确保双模型结果格式统一。
• 结果对齐：依托原始DataFrame的行索引绑定两个模型的预测结果，保证每条评论对应正确的输出。
• 非Pipeline场景适配：如果你的Naive Bayes模型是拆分训练的，需先对测试评论做向量转换：

  # 假设vectorizer是训练好的CountVectorizer实例
  test_vectors = vectorizer.transform(test_df['review'])
  nb_predictions = nb_classifier.predict(test_vectors)
  

内容的提问来源于stack exchange，提问作者ИСПАНСКАЯ МАТЬ