Scikit-learn的管道：多標簽分類出錯。 稀疏矩陣通過

Question

我正在使用不同的機器學習算法實現不同的分類器。

我正在對文本文件進行排序，並執行以下操作：

classifier = Pipeline([
('vectorizer', CountVectorizer ()),
('TFIDF', TfidfTransformer ()),
('clf', OneVsRestClassifier (GaussianNB()))])
classifier.fit(X_train,Y)
predicted = classifier.predict(X_test)

當我使用算法GaussianNB時，會發生以下錯誤：

TypeError：傳遞了稀疏矩陣，但是需要密集數據。 使用X.toarray（）轉換為密集的numpy數組。

我在這里看到了以下帖子

在本文中，將創建一個類來執行數據轉換。 可以使用TfidfTransformer修改我的代碼。 我該如何解決？

Answer 1

您可以執行以下操作：

class DenseTransformer(TransformerMixin):
    def transform(self, X, y=None, **fit_params):
        return X.todense()

    def fit_transform(self, X, y=None, **fit_params):
        self.fit(X, y, **fit_params)
        return self.transform(X)

    def fit(self, X, y=None, **fit_params):
        return self

classifier = Pipeline([
('vectorizer', CountVectorizer ()),
('TFIDF', TfidfTransformer ()),
('to_dense', DenseTransformer()), 
('clf', OneVsRestClassifier (GaussianNB()))])
classifier.fit(X_train,Y)
predicted = classifier.predict(X_test)

現在，作為管道的一部分，數據將轉換為密集表示。

順便說一句，我不知道您的約束，但是也許您可以使用其他分類器，例如RandomForestClassifier或SVM ，它們確實接受稀疏表示形式的數據。