我想用sklearn构建一个文本分类器,然后使用coremltools包将其转换为iOS11机器学习文件。 我用Logistic Regression,Random Forest,和{a4}构建了三个不同的分类器,它们在Python中都可以正常工作。 问题在于coremltools包以及它将sklearn模型转换为iOS文件的方式。正如its documentation所说,它只支持以下模型:
所以它不允许我对文本数据集进行矢量化(我在分类器中使用了TfidfVectorizer包):
import coremltools
coreml_model = coremltools.converters.sklearn.convert(model, input_features='text', output_feature_names='category')
有没有方法可以构建一个sklearn文本分类器而不使用TfidfVectorizer或CountVectorizer模型?
现在,如果要将tf-idf矢量器转换为.mlmodel格式,则不能在管道中包含tf-idf矢量器。解决这一问题的方法是分别对数据进行矢量化,然后用矢量化的数据训练模型(线性SVC、Random Forest…)。然后需要计算设备上的tf-idf表示,然后将其插入模型中。这是我写的tf-idf函数的副本。在
编辑:在http://gokulswamy.me/imessage-spam-detection/上写了一篇关于如何做到这一点的文章。在
相关问题 更多 >
编程相关推荐