python注释分为_使用ScikitLearn和Python将注释分为正反两类

我试图编写一个代码，将注释分为肯定和否定(0表示否定，1表示肯定)。在

我有一个pandas数据帧，有两列，comments和results。我在Python Scikit-Learn库中使用了Logistic Regression(我将尝试其他分类器，如决策树、SVM、KNN…)，但它给了我一个错误(我想在没有情绪分析的情况下这样做)。我认为问题是因为我输入的是字符串而不是数字。

我的程序应该接受一个注释(字符串值)，并计算它是0或{}。

代码如下：import pandas as pd

from sklearn.feature_extraction.text import CountVectorizer

from sklearn.linear_model import LogisticRegression

from sklearn import linear_model

full_comment_data = pd.DataFrame({"Comment":["This is bad", "Good job", "I do not like this"],

"Result":[0,1,0]})

features = full_comment_data["Comment"]

results = full_comment_data["Result"]

cv = CountVectorizer()

features = cv.fit_transform(features)

logistic_regression = linear_model.LogisticRegression(solver="lbfgs")

model = logistic_regression.fit(features, results)

input_values = ["I love this comment"] #This value should be evaluated

prediction = logistic_regression.predict([input_values]) #adding values for prediction

prediction = prediction[0]

print(prediction)

这是我得到的错误：

^{pr2}$

我也尝试过：

^{3}$

我得到一个错误：ValueError: X has 3 features per sample; expecting ...