我是机器学习的新手。我正在研究文件分类。 为此，我试图在＆＃34; 20新闻组＆＃34;的一部分上训练SVM。数据集。 我正在使用scikit为此学习。 链接：SVM - Scikit Learn 作为一个训练集，我在每个类别中采用了3类新闻和40个文档。 对于每个文档，到目前为止我已完成以下操作： - 标记化 - 删除停用词（即＆＃39;＆＃39;＆＃39; on＆＃39;＆＃39;＆＃39; in＆＃39;等） - 词义化（词干词）（即＆＃39;运行＆＃39;＆＃39;运行＆＃39;＆＃39;运行＆＃39; =＆＃39;运行＆＃39;） - 计算剩余单词的tf-idf分数
（labels []：包含每个文档的类别标签的列表）
（final_list []：包含每个文档的单词列表及其tf-idf分数的列表
i.e. final_list=[
[['run',0.16544],['ground',0.1224]...]
[['disk',0.9677],['pc',0.8888]....]
.....
.....
])
=============================================== ======================== 与其他分类器一样，SVC，NuSVC和LinearSVC将两个数组作为输入： 一个大小为[n_samples，n_features]的数组X，其中包含训练样本， 和 类标签（字符串或整数）的数组y，size [n_samples]：
Scikit Learn网页的示例代码:(对于数字数据）
>>> from sklearn import svm
>>> X = [[0, 0], [1, 1]]
>>> y = [0, 1]
>>> clf = svm.SVC()
>>> clf.fit(X, y)
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
decision_function_shape=None, degree=3, gamma='auto', kernel='rbf',
max_iter=-1, probability=False, random_state=None, shrinking=True,
tol=0.001, verbose=False)
在拟合之后，该模型可用于预测新值：
>>> clf.predict([[2., 2.]])
array([1])
=============================================== ======================== 现在，当我使用以下行时：
>>> from sklearn import svm
>>> clf = svm.SVC()
>>> clf.fit(final_list, labels)
它正在给予，
ValueError：使用序列设置数组元素。
我不确定将什么参数传递给我的问题陈述的svm函数。