如何在文本分类中对文本使用多个特征？答案

【问题标题】：How to use multiple features for text in text classification?如何在文本分类中对文本使用多个特征？
【发布时间】：2017-03-03 12:12:48
【问题描述】：

因此，我已将推文标记为已转发或未转发，我必须使用逻辑回归构建模型来预测推文是否会被转发。

我面临的问题是我不知道如何使用逻辑回归的多重特征。我必须使用的功能是 tf-idf、lda、一条推文是否被转发、某个用户的推文过去被转发了多少次。

如何在二元分类中使用 4 个特征？任何帮助将不胜感激。

【问题讨论】：

您使用哪个工具来解决这个问题（scikit-learn、tensorflow ...）？使用 2 个特征的过程与使用 4 个特征的过程相同，没有区别。
scikit 学习。我们将如何去做？有参考教程吗？
你能分享一个你的数据集的小例子吗？这样我可以提供更好的帮助
当然。我有大量关于一条推文是否被转发的标签推文。我必须对推文是否会被转发进行二进制分类。为此，我必须使用多个特征，即特定用户的推文总数、tf-idf 分数等等。我怎样才能整合所有这些功能。现在，我正在对 tf idf 分数进行分析。
嗨，我的意思是你的数据集的例子，就像一个小例子表，例如，如果你有你的特征： tf-idf ， feature2 ， feature3 ，你的目标是“转推”，你将需要 2 个 numpy 结构：一个带有您的特征（每个观察一行，每个特征一列），另一个带有输出的向量（例如 1= 转推，0 = 不转推）。完成后，您实例化一个 LogisticRegression 对象，并在其上调用“fit”。我无法在评论中发布代码，因此我将在新答案中发布此代码）

标签： machine-learning text-classification

【解决方案1】：

这里只是一个使用 clasiffier 默认参数的例子，想法是如果你有两个，或者如果你有更多的特性，则使用相同的过程：

dataset = np.ndarray(shape=(num_rows,3),dtype=np.float32) ;
retweeted_output = np.ndarray(shape=(num_rows,1),dtype=np.float32)
#perform some actions to fill your data structures
model = LogisticRegression(); 
model.fit(dataset,retweeted_output);

【讨论】：

这很棒。非常感谢。