python - scikit-learn 中的 load_files 未加载目录中的所有文件

Question

我有一个名为“电子邮件”的文件夹，其中有两个子文件夹，以与它们所拥有的文件分类相对应的标签命名(垃圾邮件或非垃圾邮件，均为 .txt 文件)。这两个子文件夹中有 3000 个文件。使用load_files:

data = load_files('emails', shuffle='False')
print len(data)
print len(data.target)

这将打印“5”，然后打印“3000”。找到3000个分类标签，数据长度怎么可能只有5？

Answer 1

您的数据存储在 data.data 中，目标存储在 data.target 中。尝试使用 print(len(data.data)) 代替。

load_files() 仅返回一个 sklearn.datasets.base.Bunch，它是一个简单的数据包装器。因此，数据采用以下格式:

{
'DESCR': None,
 'data': [],
 'filenames': array(),
 'target': array(),
 'target_names': []
}

这就是 len(data) 返回 5 的原因。

希望这有帮助!