ナイーブベイズ分類器抽出要約

Question

ナイーブベイズ分類器を訓練しようとしており、データに問題があります。私は抽出テキスト要約のためにそれを使用する予定です。

Example_Input: It was a sunny day. The weather was nice and the birds were singing. 
Example_Output: The weather was nice and the birds were singing. 

私が使用することを計画し、すべての文書にまとめるために、少なくとも1文があるデータセットを持っています。

私はsklearnを使うことに決めましたが、私が持っているデータの表現方法はわかりません。すなわち、XとY。

from sklearn.naive_bayes import MultinomialNB 
clf = MultinomialNB().fit(X, y) 

私の心に最も近いが、このようにそれを作ることです：目標値が1を意味

X = [ 
     'It was a sunny day. The weather was nice and the birds were singing.', 
     'I like trains. Hi, again.' 
    ] 

y = [ 
     [0,1], 
     [1,0] 
    ] 

- 含まれていない - 概要と0に含まれています。これは残念なことにyが1-d配列であると予想されるため、形が悪い例外を与えます。私はそのように表現する方法を考えることができないので、助けてください。

btwの文字列値はXに直接は使用しませんが、sklearnのCountVectorizerとTfidfTransformerのベクトルとして表現しています。

Answer 1

要件に応じて、データを分類しています。つまり、それぞれの文をクラス分けして予測する必要があります。例えば

：
の代わりに使用して：

X = [ 
     'It was a sunny day. The weather was nice and the birds were singing.', 
     'I like trains. Hi, again.' 
    ] 

を以下のようにそれを使用します。これを達成するためのNLTKの

X = [ 
     'It was a sunny day.', 
     'The weather was nice and the birds were singing.', 
     'I like trains.', 
     'Hi, again.' 
    ] 

使用文トークナイザ。

ここで、ラベルの場合、2つのクラスを使用します。はいの場合は1、いいえの場合は0とします。今

y = [ 
     [0,], 
     [1,], 
     [1,], 
     [0,] 
    ] 

、フィットし、あなたが望む方法を予測するためにこのデータを使用！

希望すると助かります！