Scikit学习: TypeError: float()参数必须是字符串或数字，而不是“Bunch”

Question

我想使用下面的方法来应用svm，但是显然"Bunch“类型是不合适的。

通常，对于类字典对象，有趣的属性是：‘data’，需要学习的数据和‘目标值’，分类标签。您可以相应地访问.data和.target信息。我如何使它工作，因为我有下面的代码？

import pandas as pd
from sklearn import preprocessing

#Call the data below using scikit learn which stores them in Bunch

newsgroups_train = fetch_20newsgroups(subset='train',remove=('headers', 'footers', 'quotes'), categories = cats)
newsgroups_test = fetch_20newsgroups(subset='test',remove=('headers', 'footers', 'quotes'), categories = cats)
vectorizer = TfidfVectorizer( stop_words = 'english') #new

vectors = vectorizer.fit_transform(newsgroups_train.data) #new

vectors_test = vectorizer.transform(newsgroups_test.data) #new

max_abs_scaler = preprocessing.MaxAbsScaler()
scaled_train_data = max_abs_scaler.fit_transform(vectors)#corrected
scaled_test_data = max_abs_scaler.transform(vectors_test)
clf=CalibratedClassifierCV(OneVsRestClassifier(SVC(C=1)))
clf.fit(scaled_train_data, train_labels)
predictions=clf.predict(scaled_test_data)
proba=clf.predict_proba(scaled_test_data)

在clf.fit行的"trained_labels“位置上，我将"vectorizer.vocabulary_.keys()”放在“vectorizer.vocabulary_.keys()”中，但它给出了：ValueError: bad input shape ()。我该怎么做才能得到受过训练的标签并使其发挥作用？

Answer 1

您正在尝试对文本数据应用数值缩放操作。这在逻辑上是不正确的。如果您看到正式文件 of MaxAbsScalar，它的功能是：

按其最大绝对值对每个特征进行缩放。

如果您想要找到文本数据的向量，那么您需要使用类似于CountVectorizer的东西。请参阅这里的官方文档中的这个例子。

或者，您也可以尝试TfIDfTransformer。这里是将它与新闻组数据一起使用的示例。