对于电影评论数据集，我正在创建一个朴素的贝叶斯多项式模型。现在在训练数据集中，每种类型都有评论。因此，除了为电影评论数据集创建通用模型（忽略类型特征）之外，如何训练一个模型，该模型还考虑了类型特征以及与评论中出现的单词相关联的tf-idf。我是否需要为每种类型创建一个模型，还是可以将其合并到一个模型中？
Training Dataset Sample:
genre, review, classification
Romantic, The movie was really emotional and touched my heart!, Positive
Action, It was a thrilling movie, Positive
....
Test Data Set:
Genre, review
Action, The movie sucked bigtime. The action sequences didnt fit into the plot very well
来自documentation，The multinomial distribution normally requires integer feature counts。作为输入提供的分类变量，特别是如果它们被编码为整数，可能不会对模型的预测能力产生积极影响。如上所述，您可以考虑使用神经网络，也可以完全删除类型列。如果在拟合模型后仅对文本特征显示足够的预测能力，则甚至可能不需要将分类变量添加为输入。
我尝试这个任务的方式是stacking带有文本特征的虚拟分类值，并将堆叠的数组与目标标签一起馈送到SGD模型。然后，您将执行GridSearch以获得超参数的最佳选择。
考虑将genre视为一个分类变量，可能使用虚拟编码（参见pd.get_dummies(df['genre'])），并将其以及tf-idf分数输入到模型中。
除了朴素贝叶斯之外，还要考虑其他模型类型 - 神经网络涉及变量之间的更多交互，并且可以帮助更好地捕捉不同类型之间的差异。 Scikit-learn也有MLPClassifier实现，值得一看。