Pracuję w dziale obsługi klienta i używam naukowego scikita do przewidywania tagów dla naszych biletów, biorąc pod uwagę zestaw szkoleń z biletów (około 40 000 biletów na szkolenie zestaw).Python: używanie scikita - ucz się przewidywać, daje puste prognozy
Używam modelu klasyfikacji opartego na this one. Przewiduje tylko "()" jako znaczniki dla wielu moich zestawów testowych biletów, mimo że żaden z biletów w zbiorze treningowym nie ma tagów.
Moje dane szkolenie dla znaczników znajduje się lista list, takich jak:
tags_train = [['international_solved'], ['from_build_guidelines my_new_idea eligibility'], ['dropbox other submitted_faq submitted_help'], ['my_new_idea_solved'], ['decline macro_backer_paypal macro_prob_errored_pledge_check_credit_card_us loading_problems'], ['dropbox macro__turnaround_time other plq__turnaround_time submitted_help'], ['dropbox macro_creator__logo_style_guide outreach press submitted_help']]
Podczas moich danych szkoleniowe dla opisów bilet jest tylko lista ciągów, np:
descs_train = ['description of ticket one', 'description of ticket two', etc]
Oto odnośny część mojego kodu do zbudowania modelu:
import numpy as np
import scipy
from sklearn.pipeline import Pipeline
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.multiclass import OneVsRestClassifier
from sklearn.svm import LinearSVC
# We have lists called tags_train, descs_train, tags_test, descs_test with the test and train data
X_train = np.array(descs_train)
y_train = tags_train
X_test = np.array(descs_test)
classifier = Pipeline([
('vectorizer', CountVectorizer()),
('tfidf', TfidfTransformer()),
('clf', OneVsRestClassifier(LinearSVC(class_weight='auto')))])
classifier.fit(X_train, y_train)
predicted = classifier.predict(X_test)
Jednak "przewidywane" daje listę, która wygląda jak:
predicted = [(), ('account_solved',),(), ('images_videos_solved',), ('my_new_idea_solved',),(),(),(),(),(), ('images_videos_solved', 'account_solved', 'macro_launched__edit_update other tips'), ('from_guidelines my_new_idea', 'from_guidelines my_new_idea macro__eligibility'),()]
Nie rozumiem, dlaczego przewidywania są puste(), gdy nie ma ich w zbiorze treningowym. Czy nie powinien przewidzieć najbliższego tagu? Czy ktoś może polecić jakieś ulepszenia modelu, którego używam?
Z góry dziękuję bardzo za pomoc!
[dokumentacji CountVectorizer] (http://scikit-learn.org/dev/modules/generated/sklearn.feature_extraction.text.CountVectorizer.html) [ Dokumentacja TfidfTransformer] (http://scikit-learn.github.io/scikit-learn.org/0.8/modules/generated/scikits.learn.feature_extraction.text.TfidfTransformer.html) [Dokumentacja OneVsRestClassifier] (http://scikit-learn.org/dev/modules/generated/sklearn.multiclass.OneVsRestClassifier.html) – jegeragh
Czy chcesz klasyfikować według wielu klas lub wielu etykiet? Czy bilet można oznakować więcej niż jednym tagiem? – mbatchkarov
Tak, wiele etykiet! – jegeragh