ValueError: найдены массивы с несогласованным числом выборок [6 1786]

Вот мой код: 

from sklearn.svm import SVC
from sklearn.grid_search import GridSearchCV
from sklearn.cross_validation import KFold
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn import datasets
import numpy as np

newsgroups = datasets.fetch_20newsgroups(
                subset='all',
                categories=['alt.atheism', 'sci.space']
         )
X = newsgroups.data
y = newsgroups.target

TD_IF = TfidfVectorizer()
y_scaled = TD_IF.fit_transform(newsgroups, y)
grid = {'C': np.power(10.0, np.arange(-5, 6))}
cv = KFold(y_scaled.size, n_folds=5, shuffle=True, random_state=241) 
clf = SVC(kernel='linear', random_state=241)

gs = GridSearchCV(estimator=clf, param_grid=grid, scoring='accuracy', cv=cv)
gs.fit(X, y_scaled)

Я получаю ошибку, и я не понимаю, почему. Обратная связь:

Traceback (самый последний вызов last): File
"C:/Users/Roman/PycharmProjects/week_3/assignment_2.py", строка 23, in

gs.fit (X, y_scaled) #TODO: проверьте этот файл строки "C:UsersRomanAppDataRoamingPythonPython35site-packagessklearngrid_search.py",
строка 804, in fit
вернуться самостоятельно._fit (X, y, ParameterGrid (self.param_grid)) файл "C:UsersRomanAppDataRoamingPythonPython35site-packagessklearngrid_search.py",
строка 525, in _fit
X, y = индексируемый (X, y) файл "C:UsersRomanAppDataRoamingPythonPython35site-packagessklearnutilsvalidation.py",
строка 201, в индексируемом
файл check_consistent_length (*result) "C:UsersRomanAppDataRoamingPythonPython35site-packagessklearnutilsvalidation.py",
строка 176, в check_consistent_length
"%s " % str (uniques))

ValueError: найдены массивы с несогласованным числом выборок: [ 6 1786]

Может ли кто-нибудь объяснить, почему происходит эта ошибка?

1 3
python machine-learning text-analysis scikit-learn

1 ответ:

Я думаю, что вы немного запутались со своими X и y здесь. Вы хотите преобразовать вас X в вектор tf-idf и тренироваться, используя его против y. Смотрите ниже 

from sklearn.svm import SVC
from sklearn.grid_search import GridSearchCV
from sklearn.cross_validation import KFold
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn import datasets
import numpy as np

newsgroups = datasets.fetch_20newsgroups(
                subset='all',
                categories=['alt.atheism', 'sci.space']
         )
X = newsgroups.data
y = newsgroups.target

TD_IF = TfidfVectorizer()
X_scaled = TD_IF.fit_transform(X, y)
grid = {'C': np.power(10.0, np.arange(-1, 1))}
cv = KFold(y_scaled.size, n_folds=5, shuffle=True, random_state=241) 
clf = SVC(kernel='linear', random_state=241)

gs = GridSearchCV(estimator=clf, param_grid=grid, scoring='accuracy', cv=cv)
gs.fit(X_scaled, y)
2