如何为scikit和NLTK使用不同的数据集？

Question

我正在尝试为我拥有的原始数据实现Scikit和NLTK的内置朴素贝叶斯分类器。我的数据是以制表符分隔的行，每个行都有一些标签、段落和其他一些属性。我对段落的分类很感兴趣。我需要将这些数据转换为适合Scikit/ NLTK内置分类器的格式。我想为所有段落实现高斯，伯努利和多项式朴素贝叶斯。

问题1:对于scikit，example给定导入虹膜数据。我检查了虹膜数据，它已经根据数据集预先计算出了值。如何将数据转换为这样的格式并直接调用高斯函数？有没有这样做的标准方法？

问题2:对于NLTK，NaiveBayesClassifier.classify函数需要输入什么？它是带有布尔值的字典吗？如何使其成为多项式或高斯？

Answer 1

@问题2：

nltk.NaiveBayesClassifier.classify期望一个所谓的“功能集”。featureset是一个以特征名称为关键字，以特征值为值的字典，例如{'word1':True, 'word2':True, 'word3':False}。Nltks的朴素贝叶斯分类器不能用作多项式方法。但是，您可以安装scikit学习并使用nltk.classify.scikitlearn包装器模块来部署scikit的多项式分类器。