ValueError：X有1个特征，但DecisionTreeClassifier期望输入416809个特征

Question

我正在制作一个简单的程序，输入一个提示后，它会预测与之相关的情感。我有一个数据集，格式是CSV文件，里面有416809条数据，示例如下：

编号	文本	标签
0	我感到非常无助，心情沉重	4
1	我很享受能够懒散地放松和休息，坦白说，在大学结束和博览会的那几周后，我真的需要这样。最近我发现自己有点无精打采，这可不是好事。	0

（标签是一个从0到5的数字，对应六种情感中的一种）

我的代码如下：

print("Loading modules...")
import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.preprocessing import LabelEncoder

print("Loading data...")
data = pd.read_csv('data/emotions.csv') #load dataset to data variable
X = data["text"] #set X value to a table of all specified columns
y = data["label"] #set y value to the column of answers

le = LabelEncoder() #encode labels
le.fit(y)
encoded_y = le.transform(y)
le.fit(X)
encoded_X = le.transform(X)

print("Training model...")
model = DecisionTreeClassifier()
model.fit([encoded_X],[encoded_y]) #train the model
prompt = input("Enter a prompt: ")

encoded_prompt = le.transform([prompt])

predictions = model.predict([encoded_prompt]) #predict

我在最后一行遇到了一个错误：

ValueError: X has 1 features, but DecisionTreeClassifier is expecting 416809 features as input. 

我希望predictions这个变量能是一个数字，或者是一个只包含0到5之间单个数字的列表，并且能打印出代码中的最后一行。

该怎么解决这个问题呢？

Answer 1

看看scikit-learn的文档，你会发现要训练你的模型，需要一个形状为(n_samples, n_features)的X。所以我建议把fit的代码改成下一行（把X调整为至少有一个特征）：

model.fit(encoded_X.reshape(-1, 1),encoded_y)

另外，LabelEncoder通常用来编码目标值(y)，如果你需要对它们进行标准化或者转换非数字标签。因为你的目标值已经是数字，所以可能不需要编码。

此外，使用LabelEncoder处理你的分类特征并不是一个好习惯。如果你照这样写代码，它实际上并不是在分析文本，而是给每个唯一的值分配一个数字标识符。所以，你输入的提示必须是从416809个样本中选择的一个。

如果你想了解使用Scikit-learn进行情感分析的基础知识，我建议你从以下链接开始：

处理文本数据：https://scikit-learn.org/stable/tutorial/text_analytics/working_with_text_data.html

这个链接也很有意思： https://stackabuse.com/python-for-nlp-sentiment-analysis-with-scikit-learn/