我在尝试用python进行分类。我在网页上使用Naive Bayes多项式nb分类器(将数据从web检索到文本,稍后对文本进行分类:web分类)。
现在,我试图对这些数据应用PCA,但是python给出了一些错误。
我的朴素贝叶斯分类代码:
from sklearn import PCA
from sklearn import RandomizedPCA
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.naive_bayes import MultinomialNB
vectorizer = CountVectorizer()
classifer = MultinomialNB(alpha=.01)
x_train = vectorizer.fit_transform(temizdata)
classifer.fit(x_train, y_train)
这种朴素的bayes分类提供了输出:
>>> x_train
<43x4429 sparse matrix of type '<class 'numpy.int64'>'
with 6302 stored elements in Compressed Sparse Row format>
>>> print(x_train)
(0, 2966) 1
(0, 1974) 1
(0, 3296) 1
..
..
(42, 1629) 1
(42, 2833) 1
(42, 876) 1
在我试图对我的数据应用PCA时(temizdata
):
>>> v_temizdata = vectorizer.fit_transform(temizdata)
>>> pca_t = PCA.fit_transform(v_temizdata)
>>> pca_t = PCA().fit_transform(v_temizdata)
但这引起了以下错误:
raise TypeError('A sparse matrix was passed, but dense ' TypeError: A sparse matrix was passed, but dense data is required. Use X.toarray() to convert to a dense numpy array.
我将矩阵转换为densematrix或numpy数组。然后我试图将新的densematrix分类,但我有错误。
本文的主要目的是检验主成分分析对文本分类的影响。
转换为密集数组:
v_temizdatatodense = v_temizdata.todense()
pca_t = PCA().fit_transform(v_temizdatatodense)
最后试试classfy:
classifer.fit(pca_t,y_train)
最终分类错误:
raise ValueError("Input X must be non-negative") ValueError: Input X must be non-negative
一方面我的数据(temizdata
)只放在朴素贝叶斯中,另一方面temizdata
首先放在PCA中(用于减少输入)而不是分类。
__
问题是,通过应用降维,将生成负特征。然而,多名词NB不具有负特征。请参考this问题。
尝试另一个分类器,如RandomForest,或者尝试使用
sklearn.preprocessing.MinMaxScaler()
将训练功能缩放到[0,1]
与其将} ,这是一种类似PCA的调光性减少算法(默认情况下使用随机SVD),用于稀疏数据:
sparse
矩阵转换为dense
(这是不可取的),我将使用scikits learn的^{引用
TruncatedSVD
文档:这正是你的用例。
NaiveBayes
分类器需要离散值特征,但PCA破坏了特征的这一特性。如果你想使用主成分分析,你必须使用不同的分类器。可能还有其他的降维方法可以使用NB,但我不知道这些。也许简单的feature selection就能奏效。
旁注:你可以尝试在应用主成分分析后对特征进行离散化,但我不认为这是个好主意。
相关问题 更多 >
编程相关推荐