Я пытаюсь использовать мультиклассовый SVM-код от Mblondel Multiclass SVM, я прочитал его статью, и он использовал набор данных из sklearn 20newsgroup, но когда я попытался использовать это, код не работает должным образом.
Я попытался изменить код в соответствии с набором данных 20newsgroup. но я застрял в этой ошибке..
Traceback (последний вызов был последним):
Файл "F:\env\chatbotstripped\CSSVM.py", строка 157, в
clf.fit(X, y)
Файл "F:\env\chatbotstripped\CSSVM.py", строка 106, вписывается
v = self._violation (г, у, я)
Файл "F:\env\chatbotstripped\CSSVM.py", строка 50, в _violation
elif k! = y [i] и self.dual_coef_ [k, i]> = 0:
IndexError: индекс 20 выходит за пределы оси 0 с размером 20
это основной код:
from sklearn.datasets import fetch_20newsgroups
news_train = fetch_20newsgroups(subset='train')
X, y = news_train.data[:100], news_train.target[:100]
clf = MulticlassSVM(C=0.1, tol=0.01, max_iter=100, random_state=0, verbose=1)
X = TfidfVectorizer().fit_transform(X)
clf.fit(X, y)
print(clf.score(X, y))
это подходящий код:
def fit(self, X, y):
n_samples, n_features = X.shape
self._label_encoder = LabelEncoder()
y = self._label_encoder.fit_transform(y)
n_classes = len(self._label_encoder.classes_)
self.dual_coef_ = np.zeros((n_classes, n_samples), dtype=np.float64)
self.coef_ = np.zeros((n_classes, n_features))
norms = np.sqrt(np.sum(X.power(2), axis=1)) # i changed this code
rs = check_random_state(self.random_state)
ind = np.arange(n_samples)
rs.shuffle(ind)
# i added this sparse
sparse = sp.isspmatrix(X)
if sparse:
X = np.asarray(X.data, dtype=np.float64, order='C')
for it in range(self.max_iter):
violation_sum = 0
for ii in range(n_samples):
i = ind[ii]
if norms[i] == 0:
continue
g = self._partial_gradient(X, y, i)
v = self._violation(g, y, i)
violation_sum += v
if v < 1e-12:
continue
delta = self._solve_subproblem(g, y, norms, i)
self.coef_ += (delta * X[i][:, np.newaxis]).T
self.dual_coef_[:, i] += delta
if it == 0:
violation_init = violation_sum
vratio = violation_sum / violation_init
if self.verbose >= 1:
print("iter", it + 1, "violation", vratio)
if vratio < self.tol:
if self.verbose >= 1:
print("Converged")
break
return self
и код нарушения:
def _violation(self, g, y, i):
smallest = np.inf
for k in range(g.shape[0]):
if k == y[i] and self.dual_coef_[k, i] >= self.C:
continue
elif k != y[i] and self.dual_coef_[k, i] >= 0:
continue
smallest = min(smallest, g[k].all()) # and i added .all()
return g.max() - smallest
Я знаю, что с индексом что-то не так, я не уверен, как это исправить, и я не хочу портить код, потому что я не совсем понимаю, как работает этот код.
Вы должны преобразовать вывод разреженной матрицы векторизатора tfidf в плотную матрицу, а затем сделать его двумерным массивом. Попробуй это!
from sklearn.datasets import fetch_20newsgroups
from sklearn.feature_extraction.text import TfidfVectorizer
news_train = fetch_20newsgroups(subset='train')
text, y = news_train.data[:1000], news_train.target[:1000]
clf = MulticlassSVM(C=0.1, tol=0.01, max_iter=100, random_state=0, verbose=1)
vectorizer= TfidfVectorizer(min_df=20,stop_words='english')
X = np.asarray(vectorizer.fit_transform(text).todense())
clf.fit(X, y)
print(clf.score(X, y))
Выход:
iter 1 violation 1.0
iter 2 violation 0.07075102408683964
iter 3 violation 0.018288133735158228
iter 4 violation 0.009149083942255389
Converged
0.953