知识卡片
特征抽取配置必须在推断复用
SentimentAnalyzer登记抽取函数与参数,训练前将文档转成特征,预测时再调用同一抽取过程后交给已训练分类器。add_feat_extractor只登记配置,不自动训练模型;train返回由trainer构建的分类器。训练与预测若换词表、过滤或字段含义,即使接口仍接收dict,特征语义也不一致,不能直接复用旧指标。流程见[[监督标注要分开特征与目标]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第7章 情感分析:我很快乐 7.1.2 使用机器学习执行情感分析 · 查看原书依据
self.feat_extractors[function].append(kwargs)
参考来源
- 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第7章 情感分析:我很快乐,spine061单元005;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00060.html。
- 结论依据:原文注册/抽取/apply_features/train/classify各方法连接出配置到模型的数据流,职责没有自动合并。2026-11-06核对官方资料:https://www.nltk.org/_modules/nltk/sentiment/sentiment_analyzer.html。未在本机运行示例或改变环境。
- 原始内容:unction, **kwargs): self.feat_extractors[function].append(kwargs) def extract_features(self, document): all_features = {} for extractor in self.feat_e