我正在尋找一種訓練這個數據集的方法，所以我用這個代碼用 sklearn 進行了嘗試train_x, test_x, train_y, test_y = train_test_split(df[['city','text']], df[['1','2','3','4']], test_size = 0.40, random_state = 21)count_vect = CountVectorizer(analyzer='word', ngram_range=(2,3), max_features=20000)count_vect.fit(df['text'])x_train = count_vect.transform(train_x)x_test = count_vect.transform(test_x)classifier = DecisionTreeClassifier()classifier.fit(x_train, train_y)但我有這樣的錯誤ValueError: Number of labels=2348 does not match number of samples=1實際上我不知道是否可以直接用它的 4 個標簽來訓練我的數據
2 回答
飲歌長嘯
TA貢獻1951條經驗 獲得超3個贊
錯誤是由于以下行：
x_train = count_vect.transform(train_x)
你看，你的train_x和test_x有兩列（來自df[['city','text']]），但CountVectorizer只適用于單列。它只需要一個可迭代的字符串，而不是更多。所以你這樣做是對的：
count_vect.fit(df['text'])
因為您只提供一列。但是當您提供train_xin 時count_vect.transform(train_x)，它們只count_vect使用列名而不是實際數據。
也許你想要：
x_train = count_vect.transform(train_x['text'])
慕勒3428872
TA貢獻1848條經驗 獲得超6個贊
錯誤是因為輸入的形狀X應該是[n_samples, n_features]. 如果檢查 的形狀X，應該是 (2348, )。最好的轉型X方式
X = X[:, np.newaxis]
添加回答
舉報
0/150
提交
取消