ValueError 将 sklearn 和 pandas 用于决策树？

Posted 2023-03-12

【中文标题】ValueError 将 sklearn 和 pandas 用于决策树？

【英文标题】：ValueError using sklearn and pandas for decision trees?

【发布时间】：2016-05-06 13:20:54

【问题描述】：

我是 scikit learn 的新手，我刚刚看到文档和其他几个 *** 帖子来构建决策树。 我有一个包含 16 个属性和 1 个目标标签的 CSV 数据集。我应该如何将它传递给决策树分类器？ 我当前的代码如下所示：

import pandas
import sklearn
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn import tree

data = pandas.read_csv("yelp_atlanta_data_labelled.csv", sep=',')
vect = TfidfVectorizer()
X = vect.fit_transform(data) 
Y = data['go']

clf = tree.DecisionTreeClassifier()
clf = clf.fit(X, Y)

当我运行代码时，它给了我以下错误：

ValueError: Number of labels=501 does not match number of samples=17

为了提供一些背景信息，我的数据集有 501 个数据点和 17 列。 go 列是带有是/否标签的目标列。

【参考方案1】：

问题是TfidfVectorizer 不能直接对数据帧进行操作。它只能对一系列字符串进行操作。因为您正在传递一个数据框，所以它会将其视为一系列列，并尝试分别对每一列进行矢量化。

尝试改用：

X = vect.fit_transform(data['my_column_name']) 

您可能希望在调用 vect.fit_transform 之前预处理数据框以连接不同的列。