我试图根据 2 个特征来预测新闻文章的类别:作者姓名和文章标题。
我使用 CountVectorizer 和 TfidfTransformer 分别转换了两列。因此,我现在拥有的是一个 3D 数组(即数组列表的数组),每一行包含每个数据实例的 [author_tfid, summary_tfid]:
X_train = array([[array([0., 3., 0., ..., 0., 4., 0.]),
array([0., 0., 3., ..., 0., 0., 0.])],
[array([0., 0., 0., ..., 0., 0., 9.]),
array([1., 0., 0., ..., 0., 0., 0.])],
[array([2., 0., 0., ..., 0., 0., 0.]),
array([0., 0., 0., ..., 0., 5., 0.])],
但是,当我尝试使用 imblearn 的 RandomOversampler.fit_transform(X_train) 时,出现以下错误:
---------------------------------------------------------------------------
AttributeError Traceback (most recent call last)
<ipython-input-44-210227188cde> in <module>()
----> 1 X_oversampled, y_oversampled = oversampler.fit_resample(X, y)
4 frames
/usr/local/lib/python3.6/dist-packages/sklearn/utils/validation.py in _assert_all_finite(X, allow_nan, msg_dtype)
62 # for object dtype data, we only check for NaNs (GH-13254)
63 elif X.dtype == np.dtype('object') and not allow_nan:
---> 64 if _object_dtype_isnan(X).any():
65 raise ValueError("Input contains NaN")
66
AttributeError: 'bool' object has no attribute 'any'
尝试搜索论坛和谷歌,但似乎找不到任何有这个问题的人。所以想找出对 3D 数组进行过采样的错误/正确方法。