AR
negids = movie_reviews.fileids('neg')
posids = movie_reviews.fileids('pos')
negfeats = [movie_reviews.words(fileids=[f]) for f in negids]
posfeats = [movie_reviews.words(fileids=[f]) for f in posids]
feats = negfeats + posfeats
y = np.zeros(len(feats))
y[1000: ] = 1
feats_t = [' '.join(f) for f in feats]
posids = movie_reviews.fileids('pos')
negfeats = [movie_reviews.words(fileids=[f]) for f in negids]
posfeats = [movie_reviews.words(fileids=[f]) for f in posids]
feats = negfeats + posfeats
y = np.zeros(len(feats))
y[1000: ] = 1
feats_t = [' '.join(f) for f in feats]
Хм, теперь и мой код дает такие же результаты, как у тебя. Видимо какие-то параметры по умолчанию в sklearn поменялись, либо nltk поправил датасет: я где-то полгода назад все это делал и было валидно :(
