Я совершенно новый для sklearn. Я использую Pipeline для использования Vectorizer и классификатора вместе в проблеме с интеллектуальным анализом текста. Вот мой код:Проблемы с конвейерами в sklearn
def create_ngram_model():
tfidf_ngrams = TfidfVectorizer(ngram_range=(1, 3),
analyzer="word", binary=False)
clf = GaussianNB()
pipeline = Pipeline([('vect', tfidf_ngrams), ('clf', clf)])
return pipeline
def get_trains():
data=open('../cleaning data/cleaning the sentences/cleaned_comments.csv','r').readlines()[1:]
lines=len(data)
features_train=[]
labels_train=[]
for i in range(lines):
l=data[i].split(',')
labels_train+=[int(l[0])]
a=l[2]
features_train+=[a]
return features_train,labels_train
def train_model(clf_factory,features_train,labels_train):
features_train,labels_train=get_trains()
features_train, features_test, labels_train, labels_test = cross_validation.train_test_split(features_train, labels_train, test_size=0.1, random_state=42)
clf=clf_factory()
clf.fit(features_train,labels_train)
pred = clf.predict(features_test)
accuracy = accuracy_score(pred,labels_test)
return accuracy
X,Y=get_trains()
print train_model(create_ngram_model,X,Y)
Функции, возвращаемые с get_trains(), являются строками. Я получаю эту ошибку.
clf.fit(features_train,labels_train)
File "C:\Python27\lib\site-packages\sklearn\pipeline.py", line 130, in fit
self.steps[-1][-1].fit(Xt, y, **fit_params)
File "C:\Python27\lib\site-packages\sklearn\naive_bayes.py", line 149, in fit
X, y = check_arrays(X, y, sparse_format='dense')
File "C:\Python27\lib\site-packages\sklearn\utils\validation.py", line 263, in check_arrays
raise TypeError('A sparse matrix was passed, but dense '
TypeError: A sparse matrix was passed, but dense data is required. Use X.toarray() to convert to a dense numpy array.
Я столкнулся с этой ошибкой много раз. Затем я просто изменил функции на features_transformed.toarray(), но так как здесь я использую конвейер, я не могу этого сделать, поскольку преобразованная функция возвращается автоматически. Я также пробовал создать новый класс, который возвращает feature_transformed.toarray(), но это слишком бросало ту же ошибку. Я много искал, но не получал. Пожалуйста помоги!!
Привет, я изменил мой трубопровод к трубопроводу = Pipeline ([('Vect', tfidf_ngrams), ('уплотнить', уплотнитель), ('CLF', КТМ)]). Он по-прежнему дает ошибку Xt = transform.fit_transform (Xt, y, ** fit_params_steps [имя]) ТипError: unbound метод fit_transform() должен быть вызван с экземпляром Densifier в качестве первого аргумента (вместо этого был получен экземпляр csr_matrix) – user2443048
@ user2443048, который ошибка? Теперь вы нарушили свой конвейер, включив класс вместо экземпляра (объект). Замените «Densifier» на 'Densifier()' –
Теперь он дает ошибку памяти. Я думаю, я должен использовать SelectPercentile, чтобы выбрать 10-20% лучших функций, но на самом деле точно не знаю, как я могу связать его с конвейером. – user2443048