python中的外部数据集学习用于机器学习答案

【问题标题】：external dataset learning in python for machine learningpython中的外部数据集学习用于机器学习
【发布时间】：2017-04-20 13:47:38
【问题描述】：

您好，我想使用 naivebayesclassifier 对数据集进行分类。为此，我想使用从 google 下载的外部数据集。此数据集包含两个文件夹用于正面评论和负面评论。每个文件夹包含 1000 个 .txt 文件。如何在我的代码中将此文件作为 python 中的训练数据集导入。我是机器学习的新手，所以对此我知之甚少。请帮帮我。

【问题讨论】：

标签： python-3.x machine-learning dataset naivebayes

【解决方案1】：

您可以使用来自 (https://docs.python.org/2/library/os.html) 的os.listdir，例如：

import os
fileList = os.listdir('train_directory')
for file in fileList:
    # add content of file to dataset.

【讨论】：

os.listdir 代码有效。感谢指导。我想阅读每个 .txt 文件并提取所有正面单词并在最后将单词标记为正面。下面的代码，但它显示错误说明 0_9 .txt 这个文件名不存在，但它在文件夹中 posfilenames = os.listdir("C:/Users/Sharmili/Desktop/movie_reviews/pos") print(posfilenames)for filename in posfilenames: f = open(filename, 'r') reviews = f.read() pos_reviews = reviews.split() pos_reviews.append((create_word_feature(words),"positive")) print(len(pos_reviews))
你能帮帮我吗
你需要使用 f = open(dir + "/" + filename)
我已经尝试过您的代码，但它不起作用，所以我尝试了以下代码作为 posfilenames 中的文件名：f = open(os.path.join("C:/Users/Sharmili/Desktop/movie_reviews) /pos",filename),'r') pos_reviews = f.read().split(" ") print(pos_reviews)
虽然它正在打印单词，但它给出了错误 return codecs.charmap_decode(input,self.errors,decoding_table)[0] UnicodeDecodeError: 'charmap' codec can't decode byte 0x9d in position 803 : 字符映射到