Question

当我训练我的doc2vec模型时，我多次通过数据集并每次改组训练评论以提高准确性。然后python给了我 AttributeError：'numpy.ndarray'对象没有属性'words'。以下是我的python代码：

Enable (Always)

然后以下是我的错误消息：

Go configuration

有谁知道如何解决这个问题？非常感谢!!!

Answer 1

选择一个好的演示/教程作为指导 - 首先运行它以查看正确的操作，然后调整它以使用您的数据或参数。

例如，gensim Doc2Vec附带了一个doc2vec-lee.ipynb介绍Jupyter笔记本。您可以在已安装的gensim目录中的docs/notebooks子目录中找到它，也可以在以下位置在线查看：

现在，该演示是关于不切实际的微小玩具数据集 - 只有300短的几百字的文件。 Doc2Vec通常不会在这么小的数据集上给出好的结果。但是这个演示使用非典型小size（50维）和非典型大iter（55）来实现某些有用性。

（对于数万到数百万个文档的更典型的训练集，您可以使用100或更多维度的典型size，而更典型的iter只需10-20。）。

但是，如果你建立在这样一个好的，有效的例子上，你就不会犯某些错误。例如：

您将使用当前推荐的示例类TaggedDocument，而不是旧版本LabeledSentence。
你不会把你的语料库变成一个numpy ndarray--一个完全不必要的步骤，这也是你所看到的错误的直接原因。
你不会在你自己的循环中多次调用train()，这很容易出错并且几乎总是做错事，除非你是专家用户，要特别注意所有参数管理。（你正在进行10次循环，并且在每个循环中对数据执行10次传递，对于每个循环，类将管理学习速率alpha从0.025到0.0001 - 这意味着它将在训练期间上下跳跃，这几乎肯定不是你想要的。）
您不会让每个文档都具有相同的单个标记'TRAIN`` – which means Doc2Vec`不可能做任何有用的事情。该算法需要具有不同标签的各种文档，以学习不同文档/标签的对比向量。