TypeError：传递了稀疏矩阵，但需要密集数据。使用 X.toarray() 转换为密集的 numpy 数组。使用 NaiveBayes 分类器

Posted 2023-03-12

【中文标题】TypeError：传递了稀疏矩阵，但需要密集数据。使用 X.toarray() 转换为密集的 numpy 数组。使用 NaiveBayes 分类器

【英文标题】：TypeError: A sparse matrix was passed, but dense data is required. Use X.toarray() to convert to a dense numpy array. with NaiveBayes Classifier

【发布时间】：2017-12-16 11:45:02

【问题描述】：

多项朴素贝叶斯分类器给出了正确的结果，但其他两个 - 高斯 NB 和二项式 NB 没有。它给出的错误是这样的：

TypeError：传递了稀疏矩阵，但需要密集数据。使用 X.toarray() 转换为密集的 numpy 数组。

但即使添加该功能（train_set.toarray()），错误也是

AttributeError: 'list' 对象没有属性 'toarray'

代码是

import pickle
from nltk.corpus import names
import random
import nltk
from sklearn.naive_bayes import MultinomialNB, GaussianNB, BernoulliNB
from sklearn.linear_model import SGDClassifier, LogisticRegression
from sklearn.svm import SVC, LinearSVC, NuSVC
from nltk.classify.scikitlearn import SklearnClassifier
import numpy as np
import scipy as sc

def gender_features(word):
    return 'last_letter': word[-1]

labeled_names = ([(name, 'male') for name in names.words('male.txt')] + [(name, 'female') for name in names.words('female.txt')])
random.shuffle(labeled_names)

featuresets = [(gender_features(n), gender) for (n, gender) in labeled_names]
train_set, test_set = featuresets[500:], featuresets[:500]
classifier = nltk.NaiveBayesClassifier.train(train_set)

print(nltk.classify.accuracy(classifier, test_set)*100)
classifier.show_most_informative_features(5)

MNB_classifier = SklearnClassifier(MultinomialNB())
MNB_classifier.train(train_set)
print ("MNB classifier accuracy: ", (nltk.classify.accuracy(MNB_classifier, test_set))*100)


G_classifier = SklearnClassifier(GaussianNB())
G_classifier.train(train_set)
print ("Gaussian classifier accuracy: ", (nltk.classify.accuracy(G_classifier, test_set))*100)

B_classifier = SklearnClassifier(BernoulliNB())
B_classifier.train(train_set)
print ("Bernoulli classifier accuracy: ", (nltk.classify.accuracy(B_classifier, test_set))*100)

【问题讨论】：

错误提示 train_set 是一个列表，而不是一个稀疏矩阵。

另外，如果您复制了该错误而不是代码，则会出现语法错误 (torray =/ toarray)

@hpaulj 即使在添加 .toarray() 时，它也会如前所述显示错误。如何将其转化为稀疏矩阵？

@DanielF 那么为什么 Multinomial 没有显示错误，而其他却显示了？

我们需要了解更多关于train_set 变量的信息。如果是列表，元素是什么样的？

【参考方案1】：

也许你可以这样做：numpy.array(train_set)，将列表设为密集 m

【参考方案2】：

我遇到了同样的问题，训练时尝试使用：

train_set.todense()

它对我有用：