使用scikit-learn MultinomialNB构建分类器：训练参数疑问

嘿，我来帮你理清这个问题，顺便修正下代码里的小错误～

首先直接给你答案：你已经生成的 train['sentiment'] 就是对应教程里 twenty_train.target 的参数——它是每个训练样本对应的类别标签集合，必须和特征矩阵的样本数量一一对应。

具体解释 #

MultinomialNB.fit(X, y) 方法的两个核心参数：

• X：特征矩阵，也就是你用 CountVectorizer 生成的文档-词频矩阵（你的代码里是 X_train_counts）；
• y：每个样本对应的分类标签，这里就是你通过评分转换得到的正负类标记（+1 或 -1）。

你通过这段代码生成的标签列完全符合要求：

df2['sentiment'] = df2['rating'].apply(lambda rating : +1 if rating > 3 else -1)

它把评分>3的评论标记为正类，其余为负类，刚好是朴素贝叶斯分类器需要的离散类别标签。

你的代码里需要修正的几个问题 #

我注意到代码里有几个拼写和变量定义的小错误，会导致运行报错，帮你修正后如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import time
import csv
import string
# 新版本sklearn中cross_validation已移到model_selection
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB

# 导入数据集
data = pd.read_csv("test.csv", quotechar='"', delimiter=',', quoting=csv.QUOTE_ALL, skipinitialspace=True, error_bad_lines=False)
df2 = data.set_index("name", drop=False)
df2['sentiment'] = df2['rating'].apply(lambda rating: +1 if rating > 3 else -1)

# 划分训练集和测试集
train, test = train_test_split(df2, test_size=0.2)

count_vect = CountVectorizer()
# 修正拼写错误：traintrain → train
X_train_counts = count_vect.fit_transform(train['review'])
# 修正拼写错误：testrain → test
test_matrix = count_vect.transform(test['review'])

# 修正未定义变量：X_train_tfidf → X_train_counts，传入正确的标签列
clf = MultinomialNB().fit(X_train_counts, train['sentiment'])

额外小提示 #

训练完模型后，你可以用以下代码验证效果：

# 得到测试集预测标签
predicted = clf.predict(test_matrix)
# 计算准确率
accuracy = np.mean(predicted == test['sentiment'])
print(f"模型准确率：{accuracy:.2f}")

内容的提问来源于stack exchange，提问作者Chedi Bechikh