我想矢量化一个包含我的 OneClassSVM 分类器训练语料库的 txt 文件。为此，我使用了 scikit-learn 库中的 CountVectorizer。 下面是我的代码:
def file_to_corpse(file_name, stop_words):
array_file = []
with open(file_name) as fd:
corp = fd.readlines()
array_file = np.array(corp)
stwf = stopwords.words('french')
for w in stop_words:
stwf.append(w)
vectorizer = CountVectorizer(decode_error = 'replace', stop_words=stwf, min_df=1)
X = vectorizer.fit_transform(array_file)
return X
当我在我的文件(大约 206346 行)上运行我的函数时，我收到以下错误并且我似乎无法理解它:
Traceback (most recent call last):
File "svm.py", line 93, in <module>
clf_svm.fit(training_data)
File "/home/imane/anaconda/lib/python2.7/site-packages/sklearn/svm/classes.py", line 1028, in fit
super(OneClassSVM, self).fit(X, np.ones(_num_samples(X)), sample_weight=sample_weight,
File "/home/imane/anaconda/lib/python2.7/site-packages/sklearn/utils/validation.py", line 122, in _num_samples
" a valid collection." % x)
TypeError: Singleton array array(<536172x13800 sparse matrix of type '<type 'numpy.int64'>'
with 1952637 stored elements in Compressed Sparse Row format>, dtype=object) cannot be considered a valid collection.
有人可以帮我解决这个问题吗？我被困了一段时间 :)。
最佳答案
看源码就可以找到here例如，您会发现它会检查此条件是否为真(x 是您的数组)
if len(x.shape) == 0:
如果是这样，它会抛出这个异常
TypeError("Singleton array %r cannot be considered a valid collection." % x)
我建议您尝试找出 array_file 或您从该函数返回的值是否具有长度 > 0
关于python - 矢量化:不是有效的集合，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/38101460/