Python-NLTK-Code-Snippet zum Trainieren eines Klassifikators (naive Bayes) unter Verwendung der Feature-Frequenz
Ich habe mich gefragt, ob mir jemand durch ein Codefragment helfen könnte, das demonstriert, wie man den Naive Bayes-Klassifikator mit einer Feature-Frequenz-Methode anstelle von Feature-Präsenz trainiert.
Ich nehme das Folgende an, wie in Kapitel 6 gezeigtLink Text bezieht sich auf das Erstellen eines Featuresets mit Feature Presence (FP) -
def document_features(document):
document_words = set(document)
features = {}
for word in word_features:
features['contains(%s)' % word] = (word in document_words)
return features
Bitte um Rat