如何将正负中性情感标签转换为数组？涉及算法及代码疑问

一、情感标签转换为数组的修正代码 #

你现有np.where用法错误，该函数不支持直接传递多条件多值映射，要实现负向→0、中性→1、正向→2的标签数组转换，推荐两种可靠方法：

方法1：用np.select处理多条件映射 #

import numpy as np

# 定义匹配条件与对应标签值
conditions = [
    df['Sentimen'] == 'Negative',
    df['Sentimen'] == 'Netral',
    df['Sentimen'] == 'Positive'
]
values = [0, 1, 2]

# 生成标签数组，default处理未知情感类型
label_array = np.select(conditions, values, default=-1)

方法2：用map函数快速映射 #

# 定义情感-标签映射字典
sentiment_map = {'Negative': 0, 'Netral': 1, 'Positive': 2}
# 转换为数组，fillna处理缺失值
label_array = np.array(df['Sentimen'].map(sentiment_map).fillna(-1), dtype=int)

你原代码中的labely属于笔误，修正后切片代码应为：

y = label_array[45:75]

二、朴素贝叶斯+粒子群优化+K折交叉验证实现流程 #

1. 前置准备 #

假设已完成文本特征提取（推荐用sklearn.feature_extraction.text.TfidfVectorizer生成特征矩阵X），确保X与标签数组y维度匹配。

2. 粒子群优化（PSO）寻找朴素贝叶斯最优超参数 #

以多项式朴素贝叶斯（MultinomialNB）为例，核心超参数为alpha（平滑系数），用PSO搜索最优值：

from sklearn.naive_bayes import MultinomialNB
from sklearn.model_selection import cross_val_score
from pyswarm import pso

# 定义适应度函数：返回1-K折交叉验证准确率（PSO默认最小化目标）
def fitness(params):
    alpha = params[0]
    if alpha <= 0:  # alpha必须大于0，不符合则返回最差值
        return 1.0
    model = MultinomialNB(alpha=alpha)
    scores = cross_val_score(model, X, y, cv=5, scoring='accuracy')
    return 1 - scores.mean()

# 设置PSO搜索范围（alpha∈(0.01,5)），执行优化
lb = [0.01]
ub = [5.0]
optimal_params, _ = pso(fitness, lb, ub, swarmsize=20, maxiter=50)
best_alpha = optimal_params[0]

3. 最优超参数下的K折交叉验证 #

from sklearn.model_selection import KFold
import numpy as np

# 初始化5折交叉验证器，开启洗牌保证数据分布均匀
kf = KFold(n_splits=5, shuffle=True, random_state=42)
accuracies = []

# 遍历每折数据训练、评估模型
for train_idx, test_idx in kf.split(X, y):
    X_train, X_test = X[train_idx], X[test_idx]
    y_train, y_test = y[train_idx], y[test_idx]
    
    model = MultinomialNB(alpha=best_alpha)
    model.fit(X_train, y_train)
    acc = model.score(X_test, y_test)
    accuracies.append(acc)

# 输出验证结果
print(f"5折交叉验证平均准确率: {np.mean(accuracies):.4f}")
print(f"准确率标准差: {np.std(accuracies):.4f}")

注意事项 #

• 若使用高斯朴素贝叶斯（GaussianNB），需调整超参数搜索逻辑；
• PSO的种群大小、迭代次数可根据数据规模调整，平衡搜索效率与最优解质量；
• 若存在类别不平衡，可将评估指标改为f1_macro替代准确率。

内容的提问来源于stack exchange，提问作者Renu Hanjan