我修改了本教程(http://scikit-learn.org/stable/tutorial/text_analytics/working_with_text_data.html)在路透社语料库上构建文本分类器。但是,我得到一个不良的输入形状错误:Scikit文本分类 - 错误的输入形状错误
编辑:感谢@Vivek库马尔的帮助,我已经解决了输入形状不良的问题。但是,现在我得到一个AttributeError:lower not found。经过一番研究,我认为这可能与路透社语料库没有正确的形式有关。有什么办法可以解决这个问题吗?
这是我的代码:
from sklearn.datasets import fetch_rcv1 #import reuters corpus
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.naive_bayes import MultinomialNB
from sklearn.pipeline import Pipeline
rcv1 = fetch_rcv1()
reuters_train = fetch_rcv1(subset='train', shuffle=True, random_state=42)
reuters_train.target_names
count_vect = CountVectorizer()
train_counts = count_vect.fit_transform(reuters_train.data)
train_counts.shape
count_vect.vocabulary_.get(u'alogrithm')
tf_transformer = TfidfTransformer(use_idf=False).fit(train_counts)
train_tf = tf_transformer.transform(train_counts)
train_tf.shape
tfidf_transformer = TfidfTransformer()
train_tfidf = tfidf_transformer.fit_transform(train_counts)
train_tfidf.shape
clf = MultinomialNB().fit(train_tfidf, reuters_train.target)
text_clf = Pipeline([('vect', CountVectorizer()),
('tfidf', TfidfTransformer()),
('clf', MultinomialNB()),])
text_clf.fit(reuters_train.data, reuters_train.target)
Pipeline(...)
import numpy as np
reuters_testset = fetch_rcv1(subset='test', shuffle=True, random_state=42)
reuters_test = reuters_testset.data
predicted = text_clf.predict(reuters_test)
np.mean(predicted == reuters_test.target)
我在编程和NLP真正的初学者,所以我真的不知道很多的那些东西都左右(还)。 感谢您的任何建议和帮助!
谢谢,这是非常有益的!但是,现在我得到一个AttributeError:找不到?任何想法我能做些什么? – LittleEntertainer
@LittleEntertainer在相同的代码?或者你改变了它。请编辑问题并添加详细信息。还要添加完整的堆栈跟踪错误。 –
@LittleEntertainer嘿,我编辑了我的答案,以适应你正在得到的第二个错误。 –