小编Sli*_*Jim的帖子

我有一套trainFeatures和一组testFeatures带有正面,中性和负面标签:

trainFeats = negFeats + posFeats + neutralFeats
testFeats  = negFeats + posFeats + neutralFeats

例如,trainFeatsis 里面有一个条目

(['blue', 'yellow', 'green'], 'POSITIVE') 

对于测试功能列表也是如此,因此我为每个集指定了标签.我的问题是如何使用随机森林分类器和SVM的scikit实现来获得这个分类器的准确性与每个类的精确度和召回分数？问题是我目前正在使用单词作为功能,而从我读到的这些分类器需要数字.有没有办法在不改变功能的情况下实现我的目的？非常感谢!

我无法找到一种有效的方法来从Haskell中的9个元素列表中挑选出4个元素的所有排列.python方式做同样的事情:

itertools.permutations(range(9+1),4)

在Haskell中这样做不太有效:

nub . (map (take 4)) . permutations $ [1..9]

我想找到类似的东西:

permutations 4 [1..9]

这个

from __future__ import print_function

from functools import partial
from itertools import imap, product

identity = lambda x: x
identity.__repr__ = 'id'

map_identity = partial(map, identity)
map_identity.__repr__ = 'map'

imap_identity = partial(imap, identity)
imap_identity.__repr__ = 'imap'

prod_map = partial(product, repeat=1)
prod_map.__repr__ = 'prod'



list(map(
    lambda (f, g):
        print(
            "{f_repr:4}(range(10)) compare {g_repr:4}(range(10)):  "\
            "{{ less: {less:1}, equal: {equal:1}}}".format(
                f_repr=f.__repr__,
                g_repr=g.__repr__,
                less=f(range(16))<g(range(16)),
                equal=f(range(16))==g(range(16)),
            )
        ),
    product([identity, map_identity, imap_identity, prod_map], repeat=2)
))

回报

id  (range(10)) compare id  (range(10)):  { less: 0, equal: 1} …

如果每个条目都有一个分隔符(在本例中为','):

axis1,axis2,axis3,
    1,    2,    3,
    2,    3,    4,

或不:

axis1,axis2,axis3
    1,    2,    3
    2,    3,    4

在.csv或这只是不同的方言？