错误：未知标签类型：“未知” .... y_train值与x_train值不一致

Question

我有这个代码序列

from sklearn.feature_extraction.text import TfidfVectorizer
tfidfconverter = TfidfVectorizer(max_features=900, min_df=5, max_df=0.7, stop_words='english')
X = tfidfconverter.fit_transform(nlistRawDocs)

请注意顶部：max_features为900

from sklearn.model_selection import train_test_split
X_train_S, X_test, y_train_S, y_test = train_test_split(X, trainDF['label'], test_size=0.2, random_state=0)

chi2 = SelectKBest(score_func=chi2, k=500)
X_train = chi2.fit_transform(X_train_S, y_train_S)

此处k = 500

我的想法是仅使用tf-idf结果的900个中的前500个最佳功能

现在的问题是y_train_S的值，我相信它与X_train中的元素数量不一致

那我该怎么做？

当这是

classifier = RandomForestClassifier(n_estimators=1000, random_state=0)  
classifier.fit(X_train, y_train_S)  

它返回错误：

  

未知标签类型：“未知”

我了解X_train和y_train与其数字并不完全相同，只是我不知道要获取y_train_S的更新值吗？

Answer 1

通过SelectKBest放置X_train_S数据会将列的数量从900个减少到500个，但不会影响数据中行的数量，因此不应引起y_train_S和X_train中的元素数量不匹配的问题。

您看到的错误很可能是由this引起的。