python 由于ValueError，多项式朴素贝叶斯无法使用验证数据集，但可以使用sklearn train_test_split

pbpqsu0x 于 2022-12-21 发布在 Python

关注(0)|答案(1)|浏览(397)

我正在尝试做一个MNB分类器的情感分析。我有一个数据集，其中包括文本和标签在以下结构的标签是从1-5。使用huggingface情感数据集。

feature                                   label
"I feel good"                             1

我可以只使用我的train数据集和sklearn的train_test_split函数来完成它。但是当我尝试使用我的数据集来完成它时，出现了一个问题，即

ValueError: X has 3427 features, but MultinomialNB is expecting 10052 features as input.

在以下代码的最后一行（predict）

cv = CountVectorizer(stop_words='english')
val_ppd_df = cv.fit_transform(val_df["lemmatized"])
val_labels = np.array(val_df['label'])
train_labels = np.array(train_df['label'])
mnb = MultinomialNB()
mnb.fit(train_ppd_df,train_labels)
predictions_NB = mnb.predict(val_ppd_df)

我所做的是对我的验证数据集做每一个操作（标记化，词干化，词形化），但是我没有做test_train split，我只是拆分了train和validation数据集的标签。我检查了train_test_split和val_ppd_df的结果，我注意到它们是不同的。

<16000x10052 sparse matrix of type '<class 'numpy.int64'>'
    with 128627 stored elements in Compressed Sparse Row format>
<2000x3427 sparse matrix of type '<class 'numpy.int64'>'
    with 15853 stored elements in Compressed Sparse Row format>

我该如何处理这种差异呢？互联网上的每个示例都使用train_test_split，我的示例也可以，但我想先在验证上做这个，然后在不同的测试数据集上做，而不仅仅是在train数据集上。

python

来源：https://stackoverflow.com/questions/74585736/multinomial-naive-bayes-cant-use-validation-dataset-because-of-valueerror-but-c

1条答案

按热度按时间

tkqqtvp11#

fit_transform应仅应用于训练数据。对于验证和测试：应用transform方法。

MRE，带有Hugging Face - SetFit/emotion：

from datasets import load_dataset
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB

# Load emotions dataset
emotions = load_dataset("SetFit/emotion")
train = emotions['train']
validation = emotions['validation']

# Create X_train using `cv.fit_transform`
cv = CountVectorizer(stop_words="english")
X_train = cv.fit_transform(train["text"])

# Fit Multinomial Naive Bayes
nb = MultinomialNB().fit(X_train, train["label"])

# Estimate performance on the validation set
X_valid = cv.transform(validation["text"])
print(nb.score(X_valid, validation["label"]))
# 0.797

赞(0）回复(0）举报 2022-12-21

我来回答

python 由于ValueError，多项式朴素贝叶斯无法使用验证数据集，但可以使用sklearn train_test_split

1条答案

相关问题

热门标签

最新问答