problèmes avec l'apprentissage de la machine scikit apprendre en python

Question

Je suis en train de reproduire un tutoriel vu here. Tout fonctionne parfaitement jusqu'à ce que j'ajoute les méthodes .fit à mon jeu d'apprentissage.

Voici un échantillon de mon code:

# TRAINING PART 

train_dir = 'pdf/learning_set' 
dictionary = make_dic(train_dir) 

train_labels = np.zeros(20) 
train_labels[17:20] = 1 
train_matrix = extract_features(train_dir) 
model1 = MultinomialNB() 
model1.fit(train_matrix, train_labels) 


# TESTING PART 

test_dir = 'pdf/testing_set' 
test_matrix = extract_features(test_dir) 
test_labels = np.zeros(8) 
test_labels[4:7] = 1 
result1 = model1.predict(test_matrix) 
print(confusion_matrix(test_labels, result1)) 

Voici mon Traceback:

Traceback (most recent call last): 
File "ML.py", line 65, in <module> 
model1.fit(train_matrix, train_labels) 
File "/usr/local/lib/python3.6/site-packages/sklearn/naive_bayes.py", 
line 579, in fit 
X, y = check_X_y(X, y, 'csr') 
File "/usr/local/lib/python3.6/site- 
packages/sklearn/utils/validation.py", line 552, in check_X_y 
check_consistent_length(X, y) 
File "/usr/local/lib/python3.6/site- 
packages/sklearn/utils/validation.py", line 173, in 
check_consistent_length 
" samples: %r" % [int(l) for l in lengths]) 
ValueError: Found input variables with inconsistent numbers of 
samples: [23, 20] 

Je voudrais savoir comment puis-je résoudre ce problème? Je travaille sur Ubuntu 16.04, avec python 3.6.

Answer 1

ValueError: variables d'entrée avec ce nombre inconsistantes de échantillons: [23, 20]

Cela signifie que vous avez 23 vecteurs de formation (train_matrix a 23 lignes) mais seulement 20 étiquettes de formation (train_labels est un tableau de 20 valeurs)

changement train_labels = np.zeros(20) à train_labels = np.zeros(23) et cela devrait fonctionner.