machine-learning - 您如何使用 sklearn 模型对新观察结果进行预测？

Question

所以，这感觉像是一个愚蠢的问题，但我无法弄清楚如何实际使用我创建的基于文本的机器学习预测器。

我使用多个 YouTube 视频来复习监督机器学习，以根据文本进行预测。大多数视频都使用经典的火腿或垃圾邮件预测器来过滤垃圾邮件或短信，我按照视频试图教给我的内容编写代码，似乎成功了。

X_train, X_test, y_train, y_test = train_test_split(X,
                                                    y,
                                                    test_size=0.2,
                                                    random_state=37)

cvec = CountVectorizer(stop_words='english')

X_train_cvec = cvec.fit_transform(X_train)
X_test_cvec = cvec.transform(X_test)
lr = LogisticRegression()
lr.fit(X_train_cvec, y_train)

print(f'Training Score for CountVectorizer: {lr.score(X_train_cvec, y_train)}')
print(f'Testing Score for CountVectorizer: {lr.score(X_test_cvec, y_test)}')

Training Score for CountVectorizer: 0.9961857751851021
Testing Score for CountVectorizer: 0.9865470852017937

但是在视频结束后，我意识到我不知道如何实际实现这一点。在这些视频中，他们实际上都没有向我展示如何在我事先不知道答案是什么的数据上测试这个，而对于我的生活，我无法弄清楚。

为了澄清我的意思，我希望能够输入诸如“你做得如何”和“恭喜你刚刚被选为 blah blah blah”之类的文字，看看我创建的预测器是否可以预测这些是 Ham (0 ) 或垃圾邮件 (1)。

标签： machine-learninglogistic-regressionspam-preventionsupervised-learningcountvectorizer

Answer 1

您所要做的就是将新数据传递给predict模型的函数，同时应用您在训练期间使用的所有转换。

在这种情况下：

lr.predict(cvec.transform(X_new))

其中X_new包含新的观察结果。