Классифицирующий интерфейс НЛТК с использованием обученного классификатора
У меня есть этот маленький кусок кода, который я нашелВот:
import nltk.classify.util
from nltk.classify import NaiveBayesClassifier
from nltk.corpus import movie_reviews
from nltk.corpus import stopwords
def word_feats(words):
return dict([(word, True) for word in words])
negids = movie_reviews.fileids('neg')
posids = movie_reviews.fileids('pos')
negfeats = [(word_feats(movie_reviews.words(fileids=[f])), 'neg') for f in negids]
posfeats = [(word_feats(movie_reviews.words(fileids=[f])), 'pos') for f in posids]
negcutoff = len(negfeats)*3/4
poscutoff = len(posfeats)*3/4
trainfeats = negfeats[:negcutoff] + posfeats[:poscutoff]
testfeats = negfeats[negcutoff:] + posfeats[poscutoff:]
print 'train on %d instances, test on %d instances' % (len(trainfeats), len(testfeats))
classifier = NaiveBayesClassifier.train(trainfeats)
print 'accuracy:', nltk.classify.util.accuracy(classifier, testfeats)
classifier.show_most_informative_features()
Но как я могу классифицировать случайное слово, которое может быть в корпусе.
classifier.classify('magnificent')
Не работает Нужен ли какой-то объект?
Большое спасибо.
РЕДАКТИРОВАТЬ: Благодаря обратной связи @ Unutbu и некоторые копанияВот и читая комментарии к исходному сообщению, получим следующие «pos» или «neg» для этого кода (это «pos»)
print(classifier.classify(word_feats(['magnificent'])))
и это дает оценку слова «pos» или «neg»
print(classifier.prob_classify(word_feats(['magnificent'])).prob('neg'))