在 sklearn 中训练多个 class

Question

i have data frame like this picture.

我正在寻找一种方法来训练这个数据集，所以我用这段代码尝试了 sklearn

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)

但我遇到了这样的错误

ValueError: Number of labels=2348 does not match number of samples=1

其实我不知道是否可以直接用它的 4 个标签训练我的数据

Answer 1

错误是因为输入X的形状应该是[n_samples, n_features]。如果检查 X 的形状，应该是 (2348, )。将X改造为

的最佳方式

X = X[:, np.newaxis]

Answer 2

错误是由于行：

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'])

因为您只提供了一个列。但是当您在 count_vect.transform(train_x) 中提供 train_x 时，count_vect 只采用列名而不是实际数据。

也许你想要：

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

在 sklearn 中训练多个 class

Train multiple class in sklearn

python

sentiment-analysis

scikit-learn