由于尺寸不同,无法在scikit-learn中使用FeatureUnion

Question

我正在尝试FeatureUnion从数据结构中提取不同的功能,但由于尺寸不同而失败:ValueError: blocks[0,:] has incompatible row dimensions

---

Implementaion

我FeatureUnion的建立方式如下:

    features = FeatureUnion([
        ('f1', Pipeline([
            ('get', GetItemTransformer('f1')),
            ('transform', vectorizer_f1)
        ])),
        ('f2', Pipeline([
            ('get', GetItemTransformer('f2')),
            ('transform', vectorizer_f1)
        ]))
    ])

GetItemTransformer用于从同一结构中获取不同的数据部分.我们的想法是说明这里在scikit学习问题跟踪器.

结构本身存储{'f1': data_f1, 'f2': data_f2}在data_f1具有不同长度的不同列表的位置.

---

题

由于Y-Vector与数据字段不同,我假设发生了错误,但是如何缩放矢量以适应两种情况？

Answer 1

这对我有用：

class ArrayCaster(BaseEstimator, TransformerMixin):
  def fit(self, x, y=None):
    return self

  def transform(self, data):
    print data.shape
    print np.transpose(np.matrix(data)).shape
    return np.transpose(np.matrix(data))

FeatureUnion([('text', Pipeline([
            ('selector', ItemSelector(key='text')),
            ('vect', CountVectorizer(ngram_range=(1,1), binary=True, min_df=3)),
            ('tfidf', TfidfTransformer())
          ])
        ),

        ('other data', Pipeline([
            ('selector', ItemSelector(key='has_foriegn_char')),
            ('caster', ArrayCaster())
          ])
        )])

Answer 2

我不知道这是否适用于您的问题，但我们在略有不同的情况下遇到了相同的错误，并且刚刚解决了它。

我们的f1条目都是 15 个数值的列表，我们需要在 上执行 tf-idf f2。这会产生关于不兼容的行尺寸的相同错误。

通过调试器运行后，我们发现矩阵的形状hstack()在FeatureUnion: (2569,)和 中的调用中略有不同(2659, 706)。

如果我们转换f1为 2D numpy 数组，形状将更改为(2659, 15)并且hstack调用有效。

演员阵容是这样的：f1 = np.array(list(f1))。