培训两个功能而不是一个

Question

我有这段代码。我有两个功能。我如何一起训练这两个功能？

from textblob import TextBlob, Word, Blobber 
from textblob.classifiers import NaiveBayesClassifier 
from textblob.taggers import NLTKTagger 
import re 
import nltk 



def get_word_before_you_feature(mystring): 
    keyword = 'you' 
    before_keyword, keyword, after_keyword = mystring.partition(keyword) 
    before_keyword = before_keyword.rsplit(None, 1)[-1] 
    return {'word_after_you': before_keyword} 


def get_word_after_you_feature(mystring): 
    keyword = 'you' 
    before_keyword, keyword, after_keyword = mystring.partition(keyword) 
    after_keyword = after_keyword.split(None, 1)[0] 
    return {'word_after_you': after_keyword} 
    classifier = nltk.NaiveBayesClassifier.train(train) 



lang_detector = NaiveBayesClassifier(train, feature_extractor=get_word_after_you_feature) 
lang_detector = NaiveBayesClassifier(train, feature_extractor=get_word_before_you_feature) 


print(lang_detector.accuracy(test)) 
print(lang_detector.show_informative_features(5)) 

这是我得到的输出。

word_before_you = '做' 参考，：generi = 2.2：1.0
word_before_you = '当' generi：参考，= 1.1：1.0

似乎只得到了最后一个特性。如何让分类器训练两个特征而不是一个特征。

Answer 1

您正在定义lang_detector两次，而第二个定义仅覆盖第一个。定义一个特征提取函数，返回一个特征字典，每个特征名称作为关键字。在你的情况，你会定义get_word_features(mystring)，它可以返回一个字典是这样的：

return { 
    'word_after_you': after_keyword, 
    'word_before_you': before_keyword 
     } 

剩下的是你已经做了：通过特征检测器功能分类的构造，并检查结果。

lang_detector = NaiveBayesClassifier(train, feature_extractor=get_word_features) 
lang_detector.show_most_informative_features(5)