我正在尝试使用scikit进行Naive Basyes分类。我有几个问题（我也是scikit的新手）
1）Scikit算法希望输入为numpy数组并标记为数组。在文本分类的情况下，我应该通过维护词汇中的单词哈希值和与之关联的唯一ID来将我的每个单词用数字（id）映射？这是scikit的标准做法吗？
2）如果将相同的文本分配给多个课程，我该怎么办？一种显而易见的方法是为每个相关标签复制每个训练示例一。有更好的代表性吗？
3）同样对于测试数据，我将如何获得多个与测试相关的类？
我正在使用http://scikit-learn.org/stable/modules/generated/sklearn.naive_bayes.MultinomialNB.html 作为我的基地。
答案 0 :(得分：1)
1）是的。使用feature_extraction模块中的DictVectorizer或HashVectorizer。 2）这是一个多标签问题。也许使用multi_class模块中的OneVsRestClassifier。它将为每个班级训练一个单独的分类器。 3）每个calss使用一个多标签分类器/一个分类器就可以做到这一点。
看看http://scikit-learn.org/dev/auto_examples/grid_search_text_feature_extraction.html 和http://scikit-learn.org/dev/auto_examples/plot_multilabel.html