在 sklearn 中训练多个类

Question

我正在寻找一种训练这个数据集的方法，所以我用这个代码用 sklearn 进行了尝试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)但我有这样的错误ValueError: Number of labels=2348 does not match number of samples=1实际上我不知道是否可以直接用它的 4 个标签来训练我的数据

Answer 1

错误是由于以下行：

x_train =  count_vect.transform(train_x)

你看，你的train_x和test_x有两列（来自df[['city','text']]），但CountVectorizer只适用于单列。它只需要一个可迭代的字符串，而不是更多。所以你这样做是对的：

count_vect.fit(df['text'])

因为您只提供一列。但是当您提供train_xin 时count_vect.transform(train_x)，它们只count_vect使用列名而不是实际数据。

也许你想要：

x_train = count_vect.transform(train_x['text'])

Answer 2

错误是因为输入的形状X应该是[n_samples, n_features]. 如果检查 的形状X，应该是 (2348, )。最好的转型X方式

X = X[:, np.newaxis]