如何解决Python 朴素贝叶斯训练问题 - cannoy perform reduce with flexible type
我的目标是训练贝叶斯模型来审查正面和负面句子。我有 6000 个词来训练模型,想用“我感觉很开心”这样的句子来测试它。
我目前正在将 numpy 与 sklearn 一起使用,但遇到类型错误的问题:“无法使用灵活类型执行 reduce”。
我有一个像 words = ["good","happy","bad","sad"]
这样的单词列表和一个对应的列表 wordTypes = ["positive","positive","negative","negative"]
。我试图简化它以得到一些工作,所以结果是下面的代码。我还在 X
上使用了“str”而不是正负,以及方括号而不是方括号。
from sklearn.naive_bayes import GaussianNB
import numpy as np
nv = GaussianNB()
X = [["happy","positive"],["good",["bad","negative"],["poor","negative"]]
y = ["positive","negative"]
nv.fit(X,y)
我也尝试过如下,但得到以下结果:ValueError: Expected 2D array,got 1D array instead: array=['happy' 'good' 'bad' 'poor']. Reshape your data either using array.reshape(-1,1) if your data has a single feature or array.reshape(1,-1) if it contains a single sample.
X = ["happy","good","poor"]
y = ["positive","negative"]
我是否误解了它们的结构?
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。