小编use*_*230的帖子

有没有办法对选定类的分数(例如'f1')优化的参数值运行网格搜索,而不是所有类的默认分数？

[编辑]假设这样的网格搜索应该返回一组参数,这些参数最大化分数(例如'f1','准确度','回忆')仅针对所选类,而不是所有类的总分.当尝试构造在具有少量实例的类上执行合理工作的分类器时,这种方法似乎对于高度不平衡的数据集是有用的.

具有默认评分方法的GridSearchCV示例(此处:所有类的'f1'):

from __future__ import print_function

from sklearn.cross_validation import train_test_split
from sklearn.grid_search import GridSearchCV
from sklearn.metrics import classification_report
from sklearn.svm import SVC

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)

tuned_parameters = [{'kernel': ['rbf'], 'gamma': [1e-3, 1e-4, 1e-5],
                 'C': [1, 50, 100, 500, 1000, 5000]},
                {'kernel': ['linear'], 'C': [1, 100, 500, 1000, 5000]}]

clf = GridSearchCV(SVC(), tuned_parameters, cv=4, scoring='f1', n_jobs=-1)
clf.fit(X_train, y_train)

print("Best parameters set found on development set:")
print()
print(clf.best_estimator_)

y_true, y_pred = y_test, clf.predict(X_test)
print(classification_report(y_true, y_pred)) …

之前已经解决了表情符号图标的检测和计数.

作为对这个问题及所提供解决方案的后续跟进,我想扩展它,将检测到的表情符号,unicode字符和表情符号链接到相应的(文本)描述:

• 表情符号(西方和东方,例如来自维基百科的List_of_emoticons),
• unicode字符(例如,unicode网站提供的U1F600.pdf(直接链接包含在上面提到的stackoverflow问题中),
• 其他表情符号类型,例如来自Twitter中经常使用的表情符号列表(来自emojipedia网站的twitter-emoji-list).

是否有任何全面的解决方案可用于进行python或perl中的这种转换,类似于Swift中实现的方法？如果没有,你可以创建一个脚本,为字符串中的表情符号/表情符号提供文本描述吗？