在 scikit-learn k-means 集群中预测文档时出现 ValueError答案

【问题标题】：ValueError while predicting a document in a scikit-learn k-means cluster在 scikit-learn k-means 集群中预测文档时出现 ValueError
【发布时间】：2017-09-19 05:24:52
【问题描述】：

我正在尝试使用 scikit-learn 在经过训练的 k-means 模型中为一堆测试文档预测一个集群。

vectorizer = TfidfVectorizer(stop_words='english')
X = vectorizer.fit_transform(train_documents)
k = 10
model = KMeans(n_clusters=k, init='k-means++', max_iter=100, n_init=1)
model.fit(X)

10 个集群的模型生成没有任何问题。但是当我尝试预测文档列表时，我得到了一个错误。

predicted_cluster = model.predict(test_documents)

错误信息：

ValueError: 无法将字符串转换为浮点数...

是否需要使用 PCA 来减少特征数量，还是需要对文本文档进行预处理？

【问题讨论】：

标签： python scikit-learn cluster-analysis k-means pca

【解决方案1】：

您需要像变换 train 一样变换 test_documents。

X_test = vectorizer.transform(test_documents)
predicted_cluster = model.predict(X_test)

确保您只在测试文档上调用 transform，并使用与火车文档上的 fit() 或 fit_transform() 相同的 vectorizer 对象。

【讨论】：

或者更确切地说 X_test = vectorizer.transform(test_documents)
@pgrenholm 是的。已更正。谢谢。即使我明确表示不要那样做，但似乎我自己也犯了这个错误
是的。它对我有用。非常感谢。我收到一个错误，例如：功能数量不正确，但下面的帖子可以解决这个问题。 stackoverflow.com/a/26943563/1269131
@SiMemon 好的。我认为它会被理解，因为我在我的代码中使用了相同的名称。但我应该明确提到使用同一个对象。