使用 SVM 预测带有标签的文本

Question

我在 csv 文件中有以下格式的数据

Name     Power   Money
Jon      Red     30
George   blue    20
Tom      Red     40
Bob      purple  10

我将“jon”、“red”和“30”等值视为输入。每个输入都作为一个标签。例如输入 [jon,george,tom,bob] 具有标签“name”。输入 [red,blue, Purple] 有标签“power”。这基本上是我拥有训练数据的方式。我有一堆值，每个值都映射到一个标签。

现在我想使用 svm 根据我的训练数据训练一个模型，以便在给定新输入的情况下准确识别它的正确标签是什么。因此，例如，如果提供的输入是 "444" ，则模型应该足够聪明，可以将其归类为 "Money" 标签。

我已经安装了 py 并且还安装了sklearn。我也完成了以下tutorial。我只是不确定如何准备输入数据来训练模型。

另外，我是机器学习的新手，如果我说了一些听起来错误或奇怪的话，请指出，因为我很乐意学习正确的。

Answer 1

根据您当前问题的表述方式，您处理的不是典型的机器学习问题。目前，您有按列的数据：

Name     Power   Money
Jon      Red     30
George   blue    20
Tom      Red     40
Bob      purple  10

如果用户现在输入“Jon”，通过简单的 hash-map 查找，您知道它将输入“Name”，例如：

hashmap["Jon"] -> "Name"

人们说这不是机器学习问题的主要原因是您的“分类”或“预测”是由您的列名定义的。相反，机器学习问题（通常）将预测一些响应变量。例如，想象一下你问的是这个：

Name     Power   Money  Bought_item
Jon      Red     30     yes
George   blue    20     no
Tom      Red     40     no
Bob      purple  10     yes

我们可以使用 SVM 使用 Name、Power 和 Money 特征构建一个模型来预测 Bought_item .

你的问题应该看起来更像：

Feature1 Feature2 Feature3 Category
1.0      foo      bar      Name
3.1      bar      foo      Name
23.4     abc      def      Money
22.22    afb      dad      Power
223.1    dad      vxv      Money

然后您使用 Feature1、Feature2 和 Feature3 来预测 Category。目前，您的问题没有提供足够的信息让任何人真正了解您需要什么或必须以这种方式重新表述它，或者考虑采用无监督的方法。

编辑：

所以这样构图：

Name     Power   Money   Label
Jon      Red     30      Foo
George   blue    20      Bar
Tom      Red     40      Foo
Bob      purple  10      Bar

OneHotEncode 名称和电源，因此您现在为每个可以是 0/1 的名称都有一个变量。

标准化货币，使其具有大约 -1/1 之间的范围。

LabelEncode 您的标签，使它们是 0,1,2,3,4,5,6 等等。

使用 One vs. All 分类器，http://scikit-learn.org/stable/modules/generated/sklearn.multiclass.OneVsRestClassifier.html。