带 Patsy 的 Logistic 回归 Bigram 文本分类答案

【问题标题】：Logistic Regression Bigram Text Classification w/ Patsy带 Patsy 的 Logistic 回归 Bigram 文本分类
【发布时间】：2015-08-13 10:44:00
【问题描述】：

我正在努力将 LogisticRegression 文本分类从单字特征升级为二元组（两个词特征）。但是，当我在发送到 patsy.dmatrices 的公式中包含两个单词特征时，我收到以下错误...

y, X = dmatrices("is_host ~ dedicated + hosting + dedicated hosting", df, return_type="dataframe")

  File "<string>", line 1
    dedicated hosting
                ^
SyntaxError: unexpected EOF while parsing

我在网上四处寻找有关如何解决此问题的任何示例，但没有找到任何东西。我尝试在公式中添加一些不同的语法选项，但似乎都没有。

"is_host ~ dedicated + hosting + {dedicated hosting}"
"is_host ~ dedicated + hosting + (dedicated hosting)"
"is_host ~ dedicated + hosting + [dedicated hosting]"

在传递给 dmatricies 的公式中包含多词特征的正确方法是什么？

【问题讨论】：

标签： python machine-learning scikit-learn logistic-regression patsy

【解决方案1】：

你想要：

y, X = dmatrices("is_host ~ dedicated + hosting + Q('dedicated hosting')", df, return_type="dataframe")

Q is short for quote.

【讨论】：