Question

我有一个包含144个学生反馈的训练数据集，分别有72个正反馈和72个负反馈。数据集有两个属性，即数据和目标，分别包含句子和情感（正或负）。测试数据集包含106个未标记的反馈。考虑以下代码：

-- Adding data to the Health Data Baseline table

INSERT INTO Health_Data_Baseline (
    Total_Sleep_Duration_Baseline
    ,Body_Weight_Baseline
    ,Body_Mass_Index_Baseline
    ,Body_Fat_Percentage_Baseline
    ,Step_Count_Baseline
    ,Flights_Climbed_Baseline
    ,Health_Data.Person_Device_ID)
SELECT 
    AVG(Total_Sleep_Duration) -- as "Average Minutes of Sleep Per Night"
    ,AVG(Body_Weight) -- as "Average Weight in Pounds"
    ,AVG(Body_Mass_Index) -- as "Average Body Mass Index"
    ,AVG(Body_Fat_Percentage) -- as "Average Body Fat %"
    ,AVG(Step_Count) -- as "Average Step Count"
    ,AVG(Flights_Climbed) -- as "Average Flights Climbed"
    ,Health_Data.Person_Device_ID
FROM Health_Data 
JOIN Person_Device ON Person_Device.Person_Device_ID = Health_Data.Person_Device_ID
GROUP BY Health_Data.Person_Device_ID

我不知道怎么了。请帮忙。

Answer 1

您得到的错误与样本数无关，而与功能数有关，这是由这些代码行引起的：

cv = CountVectorizer(binary = True)
ct = CountVectorizer(binary= True)
cv.fit(feedback_data['data'].values)
ct.fit(feedback_data_test['data'].values)

您需要以相同的方式对测试和训练进行编码

您将Count Vectorizer拟合到所有数据上，然后将其应用于测试和训练，否则，您的词汇量也不相同，因此编码也不相同。

cv = CountVectorizer(binary = True)
cv.fit(np.concatenate((feedback_data['data'].values,feedback_data_test['data'].values))

编辑

您只是不使用ct，而仅使用cv

X = feedback_data['data'].apply(lambda X : cv.transform([X])).values
X = list([list(x.toarray()[0]) for x in X])
X_test = feedback_data_test['data'].apply(lambda X_test :cv.transform([X_test])).values
X_test = list([list(x.toarray()[0]) for x in X_test])

Scikit学习ValueError：找到的数组具有暗3。估计器预期值<= 2

1 个答案: