由于尺寸不同，无法在scikit-learn中使用FeatureUnion

Question

我正在尝试使用FeatureUnion从数据结构中提取不同的功能，但由于尺寸不同而失败： ValueError: blocks[0,:] has incompatible row dimensions

---

Implementaion

我的FeatureUnion按以下方式构建：

    features = FeatureUnion([
        ('f1', Pipeline([
            ('get', GetItemTransformer('f1')),
            ('transform', vectorizer_f1)
        ])),
        ('f2', Pipeline([
            ('get', GetItemTransformer('f2')),
            ('transform', vectorizer_f1)
        ]))
    ])

GetItemTransformer用于从同一结构中获取不同的数据部分。 我们的想法是说明这里在scikit学习问题跟踪器。

结构本身存储为{'f1': data_f1, 'f2': data_f2} ，其中data_f1是具有不同长度的不同列表。

---

题

由于Y-Vector与数据字段不同，我假设发生了错误，但是如何缩放矢量以适应两种情况？

Answer 1

这对我有用：

class ArrayCaster(BaseEstimator, TransformerMixin):
  def fit(self, x, y=None):
    return self

  def transform(self, data):
    print data.shape
    print np.transpose(np.matrix(data)).shape
    return np.transpose(np.matrix(data))

FeatureUnion([('text', Pipeline([
            ('selector', ItemSelector(key='text')),
            ('vect', CountVectorizer(ngram_range=(1,1), binary=True, min_df=3)),
            ('tfidf', TfidfTransformer())
          ])
        ),

        ('other data', Pipeline([
            ('selector', ItemSelector(key='has_foriegn_char')),
            ('caster', ArrayCaster())
          ])
        )])

Answer 2

我不知道这是否适用于您的问题，但我们在稍微不同的情况下遇到了同样的错误并且解决了它。

我们的f1条目是每个15个数值的列表，我们需要在f2上执行tf-idf。 这会产生与不兼容的行维度相同的错误。

在通过调试器运行之后，我们发现我们的矩阵的形状在FeatureUnion ： (2569,)和(2659, 706) hstack()进入hstack()调用时FeatureUnion不同。

如果我们将f1转换为2D numpy数组，则形状更改为(2659, 15) hstack (2659, 15)并且hstack调用有效。

演员是这样的： f1 = np.array(list(f1)) 。