代码如下所示,我试图使用GBRT回归树的训练数据,相同的数据对其他分类器很好,但对于GBRT给出了上述错误。请帮忙:
dataset = load_files('train')
vectorizer = TfidfVectorizer(encoding='latin1')
X_train = vectorizer.fit_transform((open(f).read() for f in dataset.filenames))
assert sp.issparse(X_train)
print("n_samples: %d, n_features: %d" % X_train.shape)
y_train = dataset.target
def benchmark(clf_class, params, name):
clf = clf_class(**params).fit(X_train, y_train)
我遇到了同样的问题,试图使用
load_svmlight_files
加载的数据来训练GradientBoostingClassifier
。通过将稀疏矩阵转换为numpy数组来求解。因为sklearn中的GBRT请求X(训练数据)是
array-like
而不是sparse matrix
:sklearn-gbrt我希望这能帮助你!
相关问题 更多 >
编程相关推荐