-1
MLCompデータセットには、私が知らない特殊なファイル形式があります。私はPythonを使用して読みたいが、できない。Pythonを使ってMLCompデータセットを読むには?
MLCompデータセットには、私が知らない特殊なファイル形式があります。私はPythonを使用して読みたいが、できない。Pythonを使ってMLCompデータセットを読むには?
最初に留意すべき点は、sklearn
(v0.17.1、2016年7月24日現在)、のDocumentClassification
ドメインのみをサポートしていることです。
たとえば、 /somewhere/on/your/computer
に、あなたがデータセットをロードし、分類器を訓練するために、次のsklearn
スニペットを使用することができますid=523
を持っているWebKB dataset、:
from sklearn.datasets import load_mlcomp
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.metrics import accuracy_score
from sklearn.naive_bayes import MultinomialNB
# Load mlcomp data using sklearn
train_data = load_mlcomp(name_or_id=523, set_='train', mlcomp_root='/somewhere/on/your/computer')
test_data = load_mlcomp(name_or_id=523, set_='test', mlcomp_root='/somewhere/on/your/computer')
# if you had the environment variable `MLCOMP_DATASETS_HOME` set, you wouldn't need to explicitly pass anything to `mlcomp_root`
# `data` is a standard `Bunch` object, so you can now straightforwardly go on and vectorize the dataset,...
vec = CountVectorizer(decode_error='replace')
X_train = vec.fit_transform(train_data.data)
X_test = vec.transform(test_data.data)
# ...train a classifier...
mnb = MultinomialNB()
mnb.fit(X_train, train_data.target)
# ...and evaluate it.
print('Accuracy: {}'.format(accuracy_score(test_data.target, mnb.predict(X_test))))