$ sudo apt-get install mecab libmecab-dev mecab-ipadic-utf8 git make curl xz-utils file

$ pip3 install mecab-python3

$ git clone --depth 1 https://github.com/neologd/mecab-ipadic-neologd.git
$ cd mecab-ipadic-neologd
$ ./bin/install-mecab-ipadic-neologd -n

$ ./bin/install-mecab-ipadic-neologd -h

$ echo `mecab-config --dicdir`"/mecab-ipadic-neologd"

/usr/lib/x86_64-linux-gnu/mecab/dic/mecab-ipadic-neologd

autotune is a new feature that is not included in the last release (0.9.1). You should install the "dev" version, that is, clone the repo

$ git clone https://github.com/facebookresearch/fastText.git
$ cd fastText
$ pip install .

1,変換時に、Stop Wordの処理をしたりしますが、まずはStop Word無しで学習させてみます。
3,fastTextでクラス分けをする際の教師データは、下記のようなフォーマットなのでcsvから変換します。
2,教師データとしてはあまり宜しくない感じはしますが、とりあえずfastTextに入力してみます。
1,精度は、fastTextによって予測されたラベルの中の正しいラベルの数です。リコールは、すべての実際のラベルのうち、正常に予測されたラベルの数です。これをより明確にする例を見てみましょう。
3,モデルによって予測されるラベルはですfood-safety。これは関係ありません。どういうわけか、モデルは単純な例では失敗するようです。

$python3 train_data_fasttext.py input.csv > log.txt

$cat log.txt
__label__1, 変換 時 に 、 Stop Word の 処理 を する たり する ます が 、 Stop Word 無し で 学習 する せる て みる ます 。
__label__3, fastText で クラス 分け を する 際 の 教師 データ は 、 下記 の よう だ フォーマット だ ので CSV から 変換 する ます 。
__label__2, 教師 データ として は あまり 宜しい ない 感じ は する ます が 、 とりあえず fastText に 入力 する て みる ます 。
__label__1, 精度 は 、 fastText によって 予測 する れる た ラベル の 中 の 正しい ラベル の 数 です 。 リコール は 、 すべて の 実際 の ラベル の うち 、 正常 に 予測 する れる た ラベル の 数 です 。 これ を より 明確 に する 例 を 見る て みる ます う 。
__label__3, モデル によって 予測 する れる ラベル は です Food - safety 。 これ は 関係 ある ます ん 。 わけ か 、 モデル は 単純 だ 例 で は 失敗 する よう です 。

# いらない品詞があるならばコメントアウト
hinshi_list = [
        "名詞",
        "動詞",
        "形容詞",
        "形容動詞",
        "記号",
        "助詞",
        "助動詞",
        "副詞"
        ]

    tagger = MeCab.Tagger('-d /usr/lib/x86_64-linux-gnu/mecab/dic/mecab-ipadic-neologd')

def convert2fasttext(bunrui):
    """ fastText用のラベルに変換 """
    labels = {
        "1": "__label__1",
        "2": "__label__2",
        "3": "__label__3"
        #"4": "__label__4",
        #"5": "__label__5"
    }
    return labels[bunrui]