在新文本数据上使用带有 predict() 的 SVM 模型

问题描述

我正在使用 e1071 库使用 SVM 模型对新的 Reddit 数据进行分类。到目前为止，我的流程是：

1. 标记数据有 3 个类别（正面、中性、负面）
2. 使用 e1071 库训练 SVM。
3. 第二天从 Reddit 中提取新数据并尝试使用 predict() 进行分类

# MOdel trained on labeled data
svm_model <- e1071::svm(
        x=train_dfm,y=train_label,type = 'C',kernel = 'linear'
      )

# Grab new data from from Reddit and read it in
new_data = read.csv('todays_reddit_data.csv',stringsAsFactors = FALSE)

# Create a dfm
new_corp = corpus(train,text_field = "text")
new_dfm = as.matrix(dfm(train_corp))

# Error here
pred <- predict(svm_model,subset_new_data)

Error in newdata[,object$scaled,drop = FALSE]: (subscript) logical subscript too long
Traceback:

1. predict(svm_model,new_dfm)
2. predict.svm(svm_model,new_dfm)
3. scale_data_frame(newdata[,drop = FALSE],center = object$x.scale$"scaled:center",.     scale = object$x.scale$"scaled:scale")
4. is.data.frame(x)
Error in newdata[,drop = FALSE]: (subscript) logical subscript too long

我从 predict(my_svm_model,new_reddit_data) 得到一个错误。我知道这是由于新的 Reddit 数据包含新的令牌/功能，但真的不知道如何补救。我尝试放弃这个但同样的错误：

to_drop = names(new_dfm) %in% colnames(train_dfm)
to_keep = intersect(colnames(new_dfm),colnames(train_dfm))
subset_new_data = new_dfm[,to_keep]

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）