Hashingvectorizer和Multinomial朴素贝叶斯不能一起工作

时间:2016-04-06 16:07:09

标签: python python-2.7 scikit-learn text-mining

我正在尝试用python 2.7中的Scikit-learn编写一个Twitter情绪分析程序。操作系统是Linux Ubuntu 14.04。

在向量化步骤中,我想使用Hashingvectorizer()。要测试分类器的准确性,它适用于LinearSVCNuSVCGaussianNBBernoulliNBLogisticRegression分类器,但对于MultinomialNB,它会返回这个错误

Traceback (most recent call last):
  File "/media/test.py", line 310, in <module>
    classifier_rbf.fit(train_vectors, y_trainTweets)
  File "/home/.local/lib/python2.7/site-packages/sklearn/naive_bayes.py", line 552, in fit
    self._count(X, Y)
  File "/home/.local/lib/python2.7/site-packages/sklearn/naive_bayes.py", line 655, in _count
    raise ValueError("Input X must be non-negative")
ValueError: Input X must be non-negative
[Finished in 16.4s with exit code 1] 

以下是与此错误相关的块代码

vectorizer = HashingVectorizer()
train_vectors = vectorizer.fit_transform(x_trainTweets)
test_vectors = vectorizer.transform(x_testTweets)

classifier_rbf = MultinomialNB()
classifier_rbf.fit(train_vectors, y_trainTweets)
prediction_rbf = classifier_rbf.predict(test_vectors)

为什么会这样,我该如何解决?

2 个答案:

答案 0 :(得分:3)

如果non_negative参数不可用(就像我的版本一样)

尝试放置: vectorizer = HashingVectorizer(alternate_sign=False)

答案 1 :(得分:2)

初始化矢量图时,您需要将non_negative参数设置为True

vectorizer = HashingVectorizer(non_negative=True)