我正在尝试使用scikit进行Naive Basyes分类。我有几个问题（我也是scikit的新手）
1） Scikit算法希望输入为numpy数组，标签为数组。在文本分类的情况下，我是否应该通过在vocab中维护单词哈希和与之相关的唯一id，将每个单词映射为一个数字（id）？这是scikit的标准做法吗？
2） 如果将相同的文本分配给多个类，我应该如何进行。一个明显的方法是为每个相关标签复制每个训练示例。还有更好的表现吗？
3） 类似地，对于测试数据，我将如何获得与一个测试相关联的多个类？
我正在使用http://scikit-learn.org/stable/modules/generated/sklearn.naive_bayes.MultinomialNB.html作为我的基地。
1）是。使用feature_extraction模块中的DictVector或HashVector。2） 这是一个多标签问题。也许可以使用multi_class模块中的OneVsRestClassifier。它将为每个类训练一个单独的分类器。3） 使用多标签分类器/每个calss一个分类器可以做到这一点。
看看http://scikit-learn.org/dev/auto_examples/grid_search_text_feature_extraction.html和http://scikit-learn.org/dev/auto_examples/plot_multilabel.html