传递了稀疏矩阵，但需要密集数据。使用X.toarray（）转换为密集的numpy数组

Question

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)

Answer 1

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。

X_train.todense()

Answer 2

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！