wekaのsvm（smo）に文字列データを使用する方法

Question

私はいくつかの文（ペルシア語）を含むarffファイルと@data部分のクラスを示す各文の前に単語を持っています。私は分類のためにsmoを使用する必要があります。質問：

1）文章をベクトルに変更する必要がありますか？

2）「文字列から単語へのベクトル」を選択しましたが、smoは非アクティブであり、それでも動作しません。 （もちろんnaive bayのような他のアルゴリズムもあります）。

このテキストデータをsmoでどのように使用できますか？

上の写真は、非常に小さなサンプルファイルです。

ファイルのサンプル： https://www.dropbox.com/s/ohpyortve8jbwhe/shoor.arff?dl=0

Answer 1

まず、あなたは "単語ベクトルに文字列" フィルタを適用する必要があります。その後、分類タブで、対象クラスを "（Nom）クラス"に変更する必要があります。これは、ナイーブベイとSVMアルゴリズムを有効にするのに十分です。データセットをダウンロードしたところ、うまくいきました。

あなたはこのチュートリアルに従うことができます。https://www.youtube.com/watch?v=zlVJ2_N_Olo

が、それは私が問題を解決します

from sklearn.feature_extraction.text import TfidfVectorizer 
import arff 
from sklearn import svm 
import numpy as np 
from sklearn.model_selection import train_test_split 

data=list(arff.load('shoor.arff')) 

text=[] 
label=[] 
for r in data: 
    if (len(r)>1): 
     text.append(r[0]) 
     label.append(r[1]) 
tfidf = TfidfVectorizer().fit_transform(text) 
features = (tfidf * tfidf.T).A 


X_train, X_test, y_train, y_test = train_test_split(features, label, test_size=0.5, random_state=0) 
clf = svm.SVC(kernel='linear', C=1).fit(X_train, y_train) 
clf.score(X_test, y_test) 

1.0