私はPandas Dataframeにあるトレーニングデータセットを持っています。私はTfIdf Vectorizationを使って機能を取得し、Kmeansを実行しました。ここに関連するコードは次のとおりです。ScikitでTfidfVectorizerとKMeansをフィッティングした後で予測を行うにはどうすればよいですか?
vectorizer = TfidfVectorizer(max_df=0.8, max_features=max_feat, norm="l1", analyzer="word",
min_df=0.1,ngram_range=(1,2)
)
X = vectorizer.fit_transform(df['reviews'])
km = KMeans(n_clusters=number, init='k-means++', max_iter=100, n_init=3,
verbose=1, n_jobs = -2)
km.fit(X)
私はこれを通じて重心を取得することができます:
今order_centroids = km.cluster_centers_.argsort()[:, ::-1]
、私はエラーを取得するテストデータを実行しようとします。ここにテストデータ用に実行しているコードがあります。私は基本的にパンダのテストデータフレームから各行を取り出し、上記の同じベクトル化ツールに適合させています。私はそれを間違っているのですか? rowX = vectorizer.fit(testVectorizerArray)
行で
sample = df.tail(int(totalTestRows * lineLimit))
for row in sample.itertuples():
test_data = np.array([row[6]])
testVectorizerArray = vectorizer.transform(test_data).toarray()
rowX = vectorizer.fit(testVectorizerArray)
print(km.predict(rowX))
、私は次のエラーを取得しています:
AttributeError: 'numpy.ndarray' object has no attribute 'lower'
私はStackOverflowの通過を検索し、私が1次元配列としてtest_data
配列をフォーマットする必要があると思われます。私はチェックし、test_dataは(n,)
の形式です。しかし、私はまだエラーが発生しています。私のアプローチに何か問題はありますか?あなたは、テスト段階でベクトライザーを再装着すべきではない
しかし '行[6]'文字列です。したがって、トレーニングデータ全体に関してTfIdfを取得して、選択したフィーチャの得点を確認する必要があります。あなたのソリューションは機能します。しかし、私のアプローチの問題は何でしたか? –
トレーニングデータと初めてフィットすると、ベクタライザは用語頻度と語彙を保存し、後で予測を呼び出すときにこれらの格納された値を使用します。 – maxymoo
はい、それは私がやりたかったことです。 'test_data'の' vectorizer'で内部的に呼び出す関数を知っていますか?ところで、ありがとうございました。私はこれを非常に理解することに苦労していました。 –