1

我正在尝试将 tfidf 和其他分类特征中的特征连接起来，以对结果数据集进行分类。从各种博客中，我了解到 FeatureUnion 可用于连接特征，然后将其传递给算法（在我的例子中是朴素贝叶斯）。

我已遵循此链接中的代码 - http://zacstewart.com/2014/08/05/pipelines-of-featureunions-of-pipelines.html

当我尝试执行代码时，它给出了错误

TypeError: no supported conversion for types: (dtype('O'),)

下面是我试图执行的代码：

class textdata():
    def transform(self, X, Y):
        return X[desc]

    def fit(self, X, Y):
        return self

class one_hot_trans():
    def transform(self, X, Y):
        X = pd.get_dummies(X, columns=obj_cols)
        return X
    def fit(self, X, Y):
        return self

pipeline = Pipeline([
                  ('features', FeatureUnion([

                          ('ngram_tf_idf', Pipeline([
                                                      ('text', textdata()),
                                                      ('tf_idf', TfidfTransformer())
                                                    ])), 
                          ('one_hot', one_hot_trans())
                        ])),
                  ('classifier', MultinomialNB())
            ])


d_train, d_test, y_train, y_test = train_test_split(data, data[target], test_size=0.2, random_state = 2018)
pipeline.fit(d_train, y_train)

谁能帮我解决这个错误。

注意：数据共有 9 列，其中 1 个目标变量（分类）和 1 个文本列（我想在其上执行 tfidf），其余为分类（上面代码中的 obj_cols）。

编辑： 谢谢维韦克。我没有注意到这一点。这是我错误地放置了变压器而不是 Vectorizer。即使在更换后我也遇到了错误。

~\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\pipeline.py in _fit_transform_one(transformer, weight, X, y, **fit_params)
    579                        **fit_params):
    580     if hasattr(transformer, 'fit_transform'):
--> 581         res = transformer.fit_transform(X, y, **fit_params)
    582     else:
    583         res = transformer.fit(X, y, **fit_params).transform(X)

~\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\pipeline.py in fit_transform(self, X, y, **fit_params)
    745         self._update_transformer_list(transformers)
    746         if any(sparse.issparse(f) for f in Xs):
--> 747             Xs = sparse.hstack(Xs).tocsr()
    748         else:
    749             Xs = np.hstack(Xs)

~\AppData\Local\Continuum\anaconda3\lib\site-packages\scipy\sparse\construct.py in hstack(blocks, format, dtype)
    462 
    463     """
--> 464     return bmat([blocks], format=format, dtype=dtype)
    465 
    466 

~\AppData\Local\Continuum\anaconda3\lib\site-packages\scipy\sparse\construct.py in bmat(blocks, format, dtype)
    598     if dtype is None:
    599         all_dtypes = [blk.dtype for blk in blocks[block_mask]]
--> 600         dtype = upcast(*all_dtypes) if all_dtypes else None
    601 
    602     row_offsets = np.append(0, np.cumsum(brow_lengths))

~\AppData\Local\Continuum\anaconda3\lib\site-packages\scipy\sparse\sputils.py in upcast(*args)
    50             return t
    51 
---> 52     raise TypeError('no supported conversion for types: %r' % (args,))
    53 
    54 

TypeError: no supported conversion for types: (dtype('float64'), dtype('O'))

编辑：：

我已经检查了除描述列之外的所有分类变量中的唯一值，并且我发现测试数据中没有出现在训练中不存在的值。难道我做错了什么。

for col in d_train.columns.drop(desc):
    ext = set(d_test[col].unique().tolist()) - set(d_train[col].unique().tolist())
    if ext: print ("extra columns: \n\n", ext)

Edit2:: 附加信息 - 提到的 d_train、d_test 功能的详细信息。任何人都可以帮助我在预测方法上仍然遇到“尺寸不匹配”错误。

obj cols::  ['priority', 'ticket_type', 'created_group', 'Classification', 'Component', 'ATR_OWNER_PLANT', 'created_day']
d_train cols::  Index(['priority', 'ticket_type', 'created_group', 'Description_ticket', 'Classification', 'Component', 'ATR_OWNER_PLANT', 'created_day'], dtype='object')
d_test cols::  Index(['priority', 'ticket_type', 'created_group', 'Description_ticket','Classification', 'Component', 'ATR_OWNER_PLANT', 'created_day'], dtype='object')

d_train shape::  (95080, 8)
d_test shape::  (23770, 8)
desc::  Description_ticket
4

1 回答 1

3

我认为，您也在通过one_hot_trans函数传递文本列。

您可以尝试使 one_hot_trans 的输出如下所示。 

class one_hot_trans():
    def transform(self, X, Y):
        X = pd.get_dummies(X.drop(desc,axis=1), obj_cols])
        return X
    def fit(self, X, Y):
        return self
于 2018-12-13T11:51:07.397 回答