我有两个numpy数组,X_train和Y_train,其中第一个维度(700,1000)由值0,1,2,3,4和10填充.第二个维度(700,)填充为由于我正在使用烂番茄的API,因此我认为这些值是"新鲜的"或"腐烂的".出于某种原因,当我执行时:
nb = MultinomialNB() nb.fit(X_train, Y_train)
我明白了:
ValueError: Unknown label type
我尝试构建一对较小的数组:
print xs, '\n', ys
给
[[0 0 0 0 1] [1 0 0 2 5] [3 2 5 5 0] [3 2 0 0 1] [1 5 1 0 0]] ['rotten' 'fresh' 'fresh' 'rotten' 'fresh']
并且多项NB适合不会出现未知标签错误.有关为什么会发生这种情况的任何想法?
我还用numpy.unique检查了X_train,Y_train中的唯一值,看起来好像没有任何奇怪或错误的标签 - 它们都是'新鲜'或'烂'.
我生成X_train和Y_train的代码:
def make_xy(critics, vectorizer=None): stext = critics['quote'].tolist() # need to have a list if vectorizer == None: vectorizer = CountVectorizer(min_df=0) vectorizer.fit(stext) X = vectorizer.transform(stext).toarray() # this is X Y = np.asarray(critics['fresh']) return X[0:1000,0:1000], Y[0:1000] # this is X_train, Y_train
其中'评论家'是从CSV文件(https://www.dropbox.com/s/0lu5oujfm483wtr/critics.csv)导入的pandas数据框,并清除了所有丢失的数据:
critics = pd.read_csv('critics.csv') critics = critics[~critics.quote.isnull()] critics = critics[critics.fresh != 'none'] critics = critics[critics.quote.str.len() > 0]
M4rtini.. 16
问题似乎是y的类型.看起来像numpy没有设法弄清楚它是一个字符串.所以它被设置为通用对象.如果你改变:
Y = np.asarray(critics['fresh'])
以Y = np.asarray(critics['fresh'], dtype="|S6")
我认为它应该工作.
问题似乎是y的类型.看起来像numpy没有设法弄清楚它是一个字符串.所以它被设置为通用对象.如果你改变:
Y = np.asarray(critics['fresh'])
以Y = np.asarray(critics['fresh'], dtype="|S6")
我认为它应该工作.