本文整理汇总了Python中classifier.Classifier.normalize_tag_label方法的典型用法代码示例。如果您正苦于以下问题：Python Classifier.normalize_tag_label方法的具体用法？Python Classifier.normalize_tag_label怎么用？Python Classifier.normalize_tag_label使用的例子？那么恭喜您, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在类classifier.Classifier的用法示例。
在下文中一共展示了Classifier.normalize_tag_label方法的1个代码示例，这些例子默认根据受欢迎程度排序。您可以为喜欢或者感觉有用的代码点赞，您的评价将有助于系统推荐出更棒的Python代码示例。
示例1: main
# 需要导入模块: from classifier import Classifier [as 别名]
# 或者: from classifier.Classifier import normalize_tag_label [as 别名]
def main():
args = parser.parse_args()
full_data_json = read_dataset(args.data)
# for n in xrange(30, len(full_data_json), 30):
for n in [len(full_data_json)]:
corrects = 0
total = 0
for _ in xrange(SAMPLES):
random.shuffle(full_data_json)
data_json = full_data_json[:n]
training_set_ratio = 0.7
training_set_size = int(training_set_ratio * len(data_json) + 0.5)
training_set = data_json[:training_set_size]
test_set = data_json[training_set_size:]
processor = TextProcessor()
classifier = Classifier(processor)
classifier.train(training_set)
for example in test_set:
text = example["content"]
predicted_tag = classifier.classify(text)
expected_tag = classifier.normalize_tag_label(example["tag"])
if expected_tag in Classifier.IGNORE_TAGS:
continue
if predicted_tag == expected_tag:
corrects += 1
else:
# print 'expected = {}, predicted = {}'.format(expected_tag, predicted_tag)
pass
total += 1
print "{} {}".format(len(data_json), float(corrects) / total)