时间戳

首页 > 解决方案 > 如何针对多个字符串测试 NLP 模型

python - 如何针对多个字符串测试 NLP 模型

问题描述

我已经在一组字符串上使用逻辑回归训练了一个分类器模型，该模型将字符串分类为 0 或 1。我目前有它一次只能测试一个字符串。如何让我的模型一次运行多个句子，可能来自 .csv 文件，这样我就不必单独输入每个句子？

def train_model（分类器，feature_vector_train，标签，feature_vector_valid，valid_y，is_neural_net=False）：classifier.fit（feature_vector_train，标签）

# predict the labels on validation dataset
predictions = classifier.predict(feature_vector_valid)

if is_neural_net:
    predictions = predictions.argmax(axis=-1)

return classifier , metrics.accuracy_score(predictions, valid_y)

然后

model, accuracy = train_model(linear_model.LogisticRegression(), xtrain_count, train_y, xtest_count,test_y)

目前我如何测试我的模型

sent = ['here I copy a string']

将文本转换为计算词袋向量

count_vect = CountVectorizer(analyzer='word', token_pattern=r'\w{1,}',ngram_range=(1, 2))
x_feature_vector =  count_vect.transform(sent)
pred = model.predict(x_feature_vector)

我得到了句子和它的预测

我希望模型一次对我所有的新句子进行分类，并对每个句子进行分类。

标签： pythonnlplogistic-regression

解决方案

更简单的方法将是

vecs=count_vec.transform(test['column_name_on_which_you_want_to_predict'])
pred=model.predict(vecs)
data=pd.DataFrame({'Text':column_name,'SECTION':pred})

您可以根据需要导出它。

推荐阅读