多个功能集

Question

我正在学习 NLP 并学习使用 NLTK 和 scikit-learn 进行文本分类。所以我在 NLTK 的 movie_review 语料库中实现了 Unigram 存在作为一个特性。现在我正在尝试实施一篇他们使用了多种功能的研究论文：

1. N-Gram Features : Unigram : Presence and Count, Bigram : Presence and Count
2. Stylistic Features : POS_Noun, POS_Adverb, POS_Adjective : Ratios No. of spelling errors : Real-valued feature Length of text : Real-valued feature

由于到目前为止我只实现了一项功能，我现在遇到了问题。我可以分别为上述所有功能实现功能，例如：

def find_POS_Noun_feature(document) : 使用 POS_Noun 作为特征对文本进行分类 def find_Length_of_text_feature(document) : 使用#characters 作为我的特征等等。然后我可以分别训练多个分类器。

但我需要的是如何将所有这些功能集成到一个分类器中？

请帮忙，我搜索了互联网但找不到正确的解释。

Answer 1

将您的所有功能放在一个字典中，无论其来源或类型如何。只需确保功能名称是不同的，这样您就不会丢失任何密钥。

如果您已经有单独的函数返回具有不同类型特征的字典，您可以像这样合并结果：

all_features = find_unigram_features(document)
all_features.update(find_bigram_features(document))
all_features.update(find_POS_Noun_feature(document))
etc.

如果您有任何返回单个值的函数（不是 dict），您应该按照通常的方式更新字典。

all_features["doc_length"] = find_Length_of_text_feature(document)

你训练的特征函数将是合并所有这些特征并返回组合字典的函数。