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LinearSVC
,NuSVC
,GaussianNB
,BernoulliNB
和LogisticRegression
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?
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)