2

CountVectorizer() および TfidfTransformer() (TfidfVectorizer()) によって生成される標準の tfidf 機能と、いくつかの言語機能の 2 種類の機能を使用してテキスト分類を行う sklearn パイプラインがあります。さまざまな ngram 範囲を CountVectorizer() に渡してから、GridSearh を使用して最適な n を見つけようとしました。

これが私のコードです：

text_clf = Pipeline([('union', FeatureUnion([
                              ('tfidf', Pipeline([
                                       ('sents', GetItem(key='sent')), 
                                       ('vect', CountVectorizer()),
                                       ('transform', TfidfTransformer())
                               ])),
                              ('LF', Pipeline([
                                     ('features', GetItem(key='features')), 
                                     ('dict_vect', DictVectorizer())
                               ]))],
                               transformer_weights={'LF': 0.6, 'tfidf': 0.8}
                               )),
                              ('clf', SGDClassifier())
                     ])

parameters = [{'union__tfidf__vect__model__ngram_range': ((1, 1), (1, 2), (1, 3), (1, 4)), 
            'clf__alpha': (1e-2, 1e-3, 1e-4, 1e-5), 
            'clf__loss': ('hinge', 'log', 'modified_huber', 'squared_hinge', 'perceptron'), 
            'clf__penalty': ('none', 'l2', 'l1', 'elasticnet'), 
            'clf__n_iter': (3, 4, 5, 6, 7, 8, 9, 10)}]

gs_clf = GridSearchCV(text_clf, parameters, cv=5, n_jobs=-1)
gs_clf = gs_clf.fit(all_data, labels)

(問題に関係がないように思われる行をいくつか省略しています。)

しかし、それはエラーをスローします:

ValueError: Invalid parameter model for estimator CountVectorizer(analyzer=u'word', binary=False, charset=None,
    charset_error=None, decode_error=u'strict',
    dtype=<type 'numpy.int64'>, encoding=u'utf-8', input=u'content',
    lowercase=True, max_df=1.0, max_features=None, min_df=1,
    ngram_range=(1, 1), preprocessor=None, stop_words=None,
    strip_accents=None, token_pattern=u'(?u)\\b\\w\\w+\\b',
    tokenizer=None, vocabulary=None)

TfidfVectorizer() でも同じことが起こります。

ngram_range をパイプラインのベクトライザーに直接渡すと、すべて正常に動作します。 ('vect', CountVectorizer(ngram_range=(1,2)))

ありがとう！

4

2 に答える 2

2

エラーは、union__tfidf__vect__model__ngram_rangeいつあるべきかがあるためですunion__tfidf__vect__ngram_range。無効なパラメーターとして「モデル」を呼び出す方法に注意してください。

ValueError: 無効なパラメーター モデル

TfidfVectorizerまた、メモとして、 を使用すると物事が簡単になると思います。

于 2015-10-06T15:53:29.253 に答える