python - Hashingvectorizer 和多项式朴素贝叶斯不能一起工作

Question

我正在尝试在 python 2.7 中使用 Scikit-learn 编写一个 Twitter 情绪分析程序。操作系统是 Linux Ubuntu 14.04。

在矢量化步骤中，我想使用Hashingvectorizer()。为了测试分类器的准确性，它可以与 LinearSVC、NuSVC、GaussianNB、BernoulliNB 和 LogisticRegression< 一起正常工作 分类器，但对于 MultinomialNB，它返回此错误

Traceback (most recent call last):
  File "/media/test.py", line 310, in <module>
    classifier_rbf.fit(train_vectors, y_trainTweets)
  File "/home/.local/lib/python2.7/site-packages/sklearn/naive_bayes.py", line 552, in fit
    self._count(X, Y)
  File "/home/.local/lib/python2.7/site-packages/sklearn/naive_bayes.py", line 655, in _count
    raise ValueError("Input X must be non-negative")
ValueError: Input X must be non-negative
[Finished in 16.4s with exit code 1] 

这是与此错误相关的 block 代码

vectorizer = HashingVectorizer()
train_vectors = vectorizer.fit_transform(x_trainTweets)
test_vectors = vectorizer.transform(x_testTweets)

classifier_rbf = MultinomialNB()
classifier_rbf.fit(train_vectors, y_trainTweets)
prediction_rbf = classifier_rbf.predict(test_vectors)

为什么会这样，我该如何解决？

Answer 1

如果 non_negative 参数不可用(就像我的版本一样)

尝试放置: 向量化器 = HashingVectorizer(alternate_sign=False)