Машинное обучение с PyTorch и Scikit-Learn

Применение машинного обучения для смыслового анализа текста

265

>>> vect = HashingVectorizer(decode_error='ignore',

... n_features=2**21,

... preprocessor=None,

... tokenizer=tokenizer)

>>> clf = SGDClassifier(loss='log', random_state=1)

>>> doc_stream = stream_docs(path='movie_data.csv')

Выполнив приведенный код, мы инициализировали

HashingVectorizer

с помощью функ-

ции

tokenizer

и установили количество признаков равным

2**21

. Кроме того, мы по-

вторно инициализировали классификатор логистической регрессии, установив для па-

раметра потерь

SGDClassifier

значение

'log'

. Заметьте, что, выбирая большое количество

признаков в

Has