python做文本分类_使用Python进行文本分类

我有文本变量中的单词列表及其标签。我喜欢制作一个分类器，它可以预测新输入文本的标签。在

我正在考虑使用Python中的scikit-learn包来使用SVM模型。在

我意识到文本需要转换为向量形式，所以我尝试TfidfVectorizer和CountVectorizer。在

这是到目前为止我使用TfidfVectorizer的代码：from sklearn import svm

from sklearn.feature_extraction.text import TfidfVectorizer

label = ['organisasi','organisasi','organisasi','organisasi','organisasi','lokasi','lokasi','lokasi','lokasi','lokasi']

text = ['Partai Anamat Nasional','Persatuan Sepak Bola', 'Himpunan Mahasiswa','Organisasi Sosial','Masyarakat Peduli','Malioboro','Candi Borobudur','Taman Pintar','Museum Sejarah','Monumen Mandala']

vectorizer = TfidfVectorizer(min_df=1)

X = vectorizer.fit_transform(text)

y = label

klasifikasi = svm.SVC()

klasifikasi = klasifikasi.fit(X,y) #training

test_text = ['Partai Perjuangan']

test_vector = vectorizer.fit_transform(test_text)

prediksi = klasifikasi.predict([test_vector]) #test

print(prediksi)

我也尝试使用上面相同代码的CountVectorizer。

两者都显示相同的错误结果：

^{pr2}$

如何解决这个问题？谢谢