MultinomialNB错误：“未知标签类型”

Question

我有两个numpy数组X_train和Y_train，其中维度（700,1000）的第一个由值0、1、2、3、4和10填充。维度（700，）的第二个由值“新鲜”或“烂”，因为我正在使用烂番茄的API。由于某种原因，当我执行时：

nb = MultinomialNB()
nb.fit(X_train, Y_train)

我得到：

ValueError: Unknown label type

我尝试构建一个较小的数组对：

print xs, '\n', ys

给

[[0 0 0 0 1]
 [1 0 0 2 5]
 [3 2 5 5 0]
 [3 2 0 0 1]
 [1 5 1 0 0]]

['rotten' 'fresh' 'fresh' 'rotten' 'fresh']

并且多项式NB拟合不给出未知标签错误。为什么会这样？

我还用numpy.unique检查了X_train和Y_train中的唯一值，似乎没有任何奇怪或错误键入的标签-都是“新鲜”或“烂”的。

我的生成X_train和Y_train的代码：

def make_xy(critics, vectorizer=None):
    stext = critics['quote'].tolist() # need to have a list
    if vectorizer == None:
        vectorizer = CountVectorizer(min_df=0)
    vectorizer.fit(stext)
    X = vectorizer.transform(stext).toarray() # this is X
    Y = np.asarray(critics['fresh'])
    return X[0:1000,0:1000], Y[0:1000] # this is X_train, Y_train

其中“
critics”是从CSV文件（https://www.dropbox.com/s/0lu5oujfm483wtr/critics.csv）导入的熊猫数据框，并清除了所有丢失的数据：

critics = pd.read_csv('critics.csv')
critics = critics[~critics.quote.isnull()]
critics = critics[critics.fresh != 'none']
critics = critics[critics.quote.str.len() > 0]

Answer 1

问题似乎是y的dtype。看起来numpy没有设法弄清楚它是一个字符串。因此将其设置为通用对象。如果你改变：
Y = np.asarray(critics['fresh'])以Y = np.asarray(critics['fresh'], dtype="|S6")我认为它应该工作。