python - Scikit学习: TypeError: float() argument must be a string or a number,而不是 'Bunch'

Question

我想使用以下方法应用svm，但显然“Bunch”类型不合适。

通常，对于Bunch(类似字典的对象)，有趣的属性是:“数据”，要学习的数据和“目标”，分类标签。您可以相应地访问 .data 和 .target 信息。我怎样才能让它工作，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“trained_labels”位置的clf.fit行中，我放置了“vectorizer.vocabulary_.keys()”，但它给出:ValueError:错误的输入形状()。我应该怎么做才能获得训练有素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the official documentation MaxAbsScalar 的功能是:

Scale each feature by its maximum absolute value

如果你想找到文本数据的向量，那么你需要使用像CountVectorizer这样的东西。请参阅this example来自此处的官方文档。

或者，您也可以尝试 TfIDfTransformer。 Here是将其与新闻组数据一起使用的示例。