Hashingvectorizer 和多項式朴素貝葉斯不能一起工作

Question

我正在嘗試在 python 2.7 中編寫一個帶有Scikit-learn的 twitter 情感分析程序。 操作系統是 Linux Ubuntu 14.04。

在矢量化步驟中，我想使用Hashingvectorizer() 。 為了測試分類器的准確性，它與LinearSVC 、 NuSVC 、 GaussianNB 、 BernoulliNB和LogisticRegression分類器一起工作正常，但對於MultinomialNB ，它返回此錯誤

Traceback (most recent call last):
  File "/media/test.py", line 310, in <module>
    classifier_rbf.fit(train_vectors, y_trainTweets)
  File "/home/.local/lib/python2.7/site-packages/sklearn/naive_bayes.py", line 552, in fit
    self._count(X, Y)
  File "/home/.local/lib/python2.7/site-packages/sklearn/naive_bayes.py", line 655, in _count
    raise ValueError("Input X must be non-negative")
ValueError: Input X must be non-negative
[Finished in 16.4s with exit code 1] 

這是與此錯誤相關的塊代碼

vectorizer = HashingVectorizer()
train_vectors = vectorizer.fit_transform(x_trainTweets)
test_vectors = vectorizer.transform(x_testTweets)

classifier_rbf = MultinomialNB()
classifier_rbf.fit(train_vectors, y_trainTweets)
prediction_rbf = classifier_rbf.predict(test_vectors)

為什么會發生，我該如何解決？

Answer 1

如果non_negative參數不可用（就像我的版本一樣）

嘗試放置： vectorizer = HashingVectorizer(alternate_sign=False)

Answer 2

初始化矢量化器時，您需要將non_negative參數設置為True

vectorizer = HashingVectorizer(non_negative=True)

Answer 3

non_negative 參數已替換為 alternate_sign。 因此，如果您想要non_negative=True ，請嘗試放置alternate_sign=False 。它肯定會起作用。