我有一组trainFeatures和一组带有正面、中性和负面标签的testFeatures：
trainFeats = negFeats + posFeats + neutralFeats
testFeats = negFeats + posFeats + neutralFeats
例如，trainFeats中的一个条目是
(['blue', 'yellow', 'green'], 'POSITIVE')
测试功能列表也是如此，因此我为每个集合指定标签。我的问题是如何使用随机森林分类器和 SVM 的 scikit 实现来获得该分类器的准确性，以及每个类的精度和召回率分数？问题是我目前正在使用单词作为特征，而从我阅读的内容来看，这些分类器需要数字。有没有办法在不改变功能的情况下实现我的目的？非常感谢！
你可以看看这个scikit-learn教程，特别是关于如何创建和使用分类器的学习和预测部分。该示例使用 SVM，但是使用 RandomForestClassifier 很简单，因为所有分类器都实现了 fit 和 predict 方法。
使用文本功能时，可以使用 CountVectorizer 或 DictVectorizer。看看特征提取，特别是第4.1.3节。
您可以在此处找到对文本文档进行分类的示例。
然后，您可以使用分类报告获取分类器的精度和召回率。