spaCy怎么评估文本分类器的性能

在spaCy中，可以使用evaluate()方法来评估文本分类器的性能。该方法需要传入一个可迭代的样本集，其中每个样本是一个元组，包含文本和标签。然后，该方法会返回一个包含性能指标的字典，包括准确率（accuracy）、精确率（precision）、召回率（recall）、F1值等。

下面是一个示例代码，演示如何使用evaluate()方法评估文本分类器的性能：

import spacy  # 加载spaCy模型 nlp = spacy.load("en_core_web_sm")  # 准备样本集 test_samples = [     ("This is a great movie", "POSITIVE"),     ("I did not like this book", "NEGATIVE"),     ("The weather is nice today", "NEUTRAL") ]  # 加载分类器 textcat = nlp.get_pipe("textcat")  # 评估性能 evaluation_results = textcat.evaluate(test_samples) print(evaluation_results) 

运行该代码后，将会输出包含性能指标的字典，可以根据这些指标来评估文本分类器的性能。