CountVectorizer (): AttributeError: объект 'numpy.float64' не имеет атрибута 'lower' - PullRequest
Новая
       10

CountVectorizer (): AttributeError: объект 'numpy.float64' не имеет атрибута 'lower'

0 голосов
/ 03 июля 2018

Я пытаюсь установить набор данных, в котором есть столбцы event_type и notes (свободный текст). перед вызовом модели MultinomialNB я обработал текст и преобразовал его в массив, чтобы векторизовать его и вычислить tfidf здесь ниже предоставленного кода:

Преобразование типов событий из строки в целое число для удобства обработки 

ACLED['category_id'] = ACLED['event_type'].factorize()[0]
category_id_ACLED = ACLED[['event_type', 'category_id']].drop_d

uplicates().sort_values('category_id')
category_to_id = dict(category_id_ACLED.values)
id_to_category = dict(category_id_ACLED[['category_id', 'event_type']].values)

Текстовое представление

Я также преобразовал заметки и category_id в функции и метки следующим образом: 

tfidf = TfidfVectorizer(sublinear_tf=True, min_df=5, norm='l2', encoding='latin-1', ngram_range=(1, 2), stop_words='english')
features = tfidf.fit_transform(ACLED.notes).toarray()
labels = ACLED.category_id
print(features.shape)

Затем я разделил набор данных на обучающие и тестовые наборы, используя функции и метки: 

X_train, X_test, y_train, y_test = train_test_split(features ,labels, random_state=0)
print('Original dataset shape {}'.format(Counter(y_train)))

выход 

Original dataset shape Counter({1: 1280, 2: 819, 0: 676, 3: 593, 4: 138, 5: 53, 7: 50, 6: 21, 8: 10})

Поскольку классы не сбалансированы, я использовал SMOTE для решения проблемы меньшинства и создания синтетических копий

Применение случайной избыточной выборки для преодоления несбалансированных классов 

sm = SMOTE(random_state=42)
X_resampled, y_resampled = sm.fit_sample(X_train, y_train)
print('Resampled dataset shape {}'.format(Counter(y_resampled)))

вывод после передискретизации 

Resampled dataset shape Counter({3: 1280, 1: 1280, 2: 1280, 0: 1280, 7: 1280, 6: 1280, 4: 1280, 5: 1280, 8: 1280})

Все до сих пор работало нормально, пока я не попытался вычислить частоту членов с помощью CountVectorizer () следующим образом: 

count_vect = CountVectorizer()
X_train_counts = count_vect.fit_transform(X_resampled)
tfidf_transformer = TfidfTransformer()
X_train_tfidf = tfidf_transformer.fit_transform(X_train_counts)

Ошибка вывода: 

'numpy.ndarray' object has no attribute 'lower'

Я пытался использовать функцию ravel () для выравнивания массива, но ошибка сохраняется, любые идеи, заранее спасибо

1 Ответ

0 голосов
/ 03 июля 2018

Я нашел решение для этой проблемы, вместо использования функций и меток, я выполнил подмножество для набора данных напрямую: 

X_train, X_test, y_train, y_test = train_test_split(ACLED['notes'] ,ACLED['event_type'], random_state=0)

затем я переместил SMOTE после счетчика, поскольку SMOTE имеет собственный конвейер:

Vactorize примечание колонки учебного набора 

count_vect = CountVectorizer()
X_train_counts = count_vect.fit_transform(X_train)
tfidf_transformer = TfidfTransformer()
X_train_tfidf = tfidf_transformer.fit_transform(X_train_counts)

Применение случайной избыточной выборки для преодоления несбалансированных классов 

sm = SMOTE(random_state=42)
X_resampled, y_resampled = sm.fit_sample(X_train_tfidf, y_train)
print('Resampled dataset shape {}'.format(Counter(y_resampled)))

выход 

Original dataset shape Counter({'Riots/Protests': 1280, 'Battle-No change of territory': 819, 'Remote violence': 676, 'Violence against civilians': 593, 'Strategic development': 138, 'Battle-Government regains territory': 53, 'Battle-Non-state actor overtakes territory': 50, 'Non-violent transfer of territory': 21, 'Headquarters or base established': 10})
Resampled dataset shape Counter({'Violence against civilians': 1280, 'Riots/Protests': 1280, 'Battle-No change of territory': 1280, 'Remote violence': 1280, 'Battle-Non-state actor overtakes territory': 1280, 'Non-violent transfer of territory': 1280, 'Strategic development': 1280, 'Battle-Government regains territory': 1280, 'Headquarters or base established': 1280})
...