TypeError：fit_transform（）缺少1个必需的位置参数：“ raw_documents”

Question

我正在尝试使用Sklearn提取特征提取文本，但是出现错误

类型错误：fit_transform（）缺少1个必需的位置参数：“ raw_documents”

似乎我必须在缺少原始文档的情况下完成一些参数，但是我找不到导致错误的原因，这是我的代码：

features=TfidfVectorizer.fit_transform(data.status).toarray()
label=data.label
features.shape

在Jupyter笔记本电脑控制台中运行时，出现以下错误：

    TypeError   Traceback (most recent call last)\
<ipython-input-3-614f2fa78a04> in <module>()
----> 1 features=TfidfVectorizer.fit_transform(data.status).toarray()
      2 label=data.label
      3 features.shape

TypeError: fit_transform() missing 1 required positional argument: 'raw_documents'

Answer 1

在scikit-learn中，所有带有a fit_transform的实例都是某种类型的实例，这意味着您需要首先初始化该实例，在此实例中调用fit_transform它就像是一个staticmethod。

因此，可以通过let vectorizer = TfidfVectorizer()和use 创建实例vectorizer.fit_transform(data.status)，也可以TfidfVectorizer().fit_transform(data.status)直接使用。

您可以通过查看文档来了解这一点，注意到您似乎确实在传递唯一的必需参数，并回想起Python中的实例方法带有一个隐式参数（通常称为）self，因此代码中发生的是你传递data.status的self，同时raw_documents未设置。