我正在试着让我的MultinomialNB正常工作。我在我的训练和测试集上使用CountVectorizer，当然，这两个setz中有不同的单词。所以我明白了，为什么这个错误发生了，但我不知道如何修复它。我尝试了CountVectorizer().transform，而不是另一个帖子()中建议的CountVectorizer().fit_transform，但这给了我
NotFittedError: CountVectorizer</
浏览 0提问于2017-08-07得票数 1
这是数据，然后我使用countvectorizer，然后使用MultinomialNB()，但是我得到了错误。请告诉我正确的语法。 ]
cv = CountVectorizertfidf_trans.fit_transform(text_train_cv
浏览 0提问于2018-04-16得票数 0
回答已采纳
当我尝试安装countvectorizer和tfidf时，我得到了 ValueError: Found input variables with inconsistent numbers of samples'G']], df.final, test_size=0.2, from sklearn.naive_bayes import MultinomialNBimport Pipeline
from sklearn.feature_extraction.text import Tf
浏览 26提问于2020-04-21得票数 1
field2：from sklearn.feature_extraction.text import CountVectorizerfrom sklearn.feature_extraction.text import TfidfTransformer
from sklearn.naive_bayes import MultinomialNBX_test, y_train, y_test = train_test_split(df['Text
浏览 0提问于2018-11-25得票数 1
回答已采纳
1回答
我已经制作了一个MultinomialNB分类器，并将其保存到一个泡菜文件中供以后使用(这归功于youtube视频：和其他一些)。下面是我的代码：from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB在下面
浏览 0提问于2021-03-20得票数 3
回答已采纳
我正在尝试做这段代码： from sklearn.feature_extraction.text import CountVectorizerfrom sklearn.naive_bayes import MultinomialNB
X_train, X_test, y_train, y_test= train_test_split(df['review'], df['nota'], random_
浏览 5提问于2020-01-29得票数 0
我试图使用MultinomialNB从滑雪分类一些数据。我已经制作了一个csv样本，其中包含了一些标记的培训数据，我想使用这些数据来训练模型，但是我收到了以下错误信息：import pandas as pdfrom sklearn.feature_extraction.text import CountVectorizerfrom sklearn.naive_bayes
浏览 4提问于2020-11-16得票数 2
回答已采纳
1回答
我是机器学习的新手，我正在构建一个投诉分类器，我想提供一个反馈模型，以便它可以随着时间的推移而改进from sklearn.feature_extraction.text import CountVectorizerfrom sklearn.naive_bayes import MultinomialNB'drought',]'water_department',
'police_department
浏览 0提问于2017-08-02得票数 0
我这里有一条错误消息：label_test=np.array(label_test).reshape(-1, 1)
from sklearn.naive_bayes import Mult
浏览 0提问于2017-08-26得票数 0
count_vect = CountVectorizer()X_train_counts.shapetfidf_transformer.fit_transform(X_train_counts)
from sklearn.naive_bayes import MultinomialNBclf = MultinomialNB().fit(X_train_tfidf, twenty
浏览 0提问于2019-09-23得票数 0
回答已采纳
1回答
我创建了svmlight格式的文件，并尝试运行MultinomialNB() KNeighborsClassifier() and SVC()。是否有办法避免维度不匹配或内存溢出。编辑我尝试使用sklearn CountVectorizer，但我仍然得到内存问题。这是最好的方法吗？, norm):bigram_vectorizer = CountVecto
浏览 2提问于2014-12-06得票数 2
回答已采纳
1回答
将不同类型的列作为训练数据集
、、、、
我的脚本的一部分：import numpy as npfrom sklearn.naive_bayes import MultinomialNBfrom sklearn.feature_extraction.text import CountVectorizerx_test, y_test =
浏览 4提问于2018-02-26得票数 0
回答已采纳
下面是我的代码：from sklearn.feature_extraction.text import CountVectorizertrainfile = 'train.txt'word_vectorizer = CountVectorizerword_vectorizer.fit_transform(codecs.open(trai
浏览 1提问于2015-04-23得票数 1
2回答
如何预测训练数据集之外的数据
、、、、
使用该模块从地址预测国家名称：import numpy as npfrom sklearn.naive_bayes import MultinomialNBfrom sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_t
浏览 2提问于2020-12-09得票数 0
回答已采纳
1回答
我使用自己的数据将某些数据分为两类，所以让我们：from sklearn.feature_extraction.text import CountVectorizerfrom sklearn.naive_bayes import MultinomialNB
categories = [
# Turn the text documents i
浏览 1提问于2015-01-04得票数 1
回答已采纳
1回答
所取段的长度是可变的(这会影响分类)，我无法这样做，并得到以下错误：
ValueError:用序列设置数组元素。我的训练集看起来像；维度:2065个数组，具有可变的元素数和输出，类似于：array(['N', 'N', 'N', ..., 'N', 'N', 'N'], dtype=object) 2065 longvector Y.shape=training_set.shape=2065，我正在使用Multinomia朴素贝叶斯进行分
浏览 2提问于2017-05-19得票数 1
import MRJobfrom sklearn.naive_bayes import MultinomialNBfrom sklearn.feature_extraction.text import CountVectorizer
def mapper(selfis good for the goose", "A series", "A", &q
浏览 0提问于2014-04-02得票数 0
3回答
我对网页使用朴素贝叶斯MultinomialNB分类器(从web检索数据到文本，稍后我对文本进行分类: web分类)。from sklearn import RandomizedPCAvectorizer = <em
浏览 6提问于2016-01-11得票数 16
)), ('classifier', MultinomialNB())其中clean_review函数如下：当我以前搜索这个错误时，我发现可能的问题是每个属性的记录数量不匹配。我的最终目标是有一个将Count
浏览 1提问于2020-04-01得票数 0
好的，所以我将我的“垃圾邮件”文本数据(最初以csv格式)分成训练和测试集，使用CountVectorizer及其'fit_transform‘函数来适应语料库的词汇表，并从文本中提取单词计数功能。然后，我应用MultinomialNB()从训练集中学习并在测试集上进行预测。以下是我的代码(简化)：from sklearn.cross_validationtext'], spam_data['
浏览 3提问于2017-08-21得票数 6
回答已采纳
云服务器
ICP备案
对象存储
云点播
智聆口语评测
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号