类型错误： fit_transform() 缺少 1 个必需的位置参数："raw_documents"

Question

我正在尝试使用 Sklearn 进行特征提取文本，但是我收到错误

类型错误：fit_transform（） 缺少 1 个必需的位置参数： "raw_documents"

似乎我必须在缺少原始文档的情况下完成一些论点，但我找不到导致错误的原因，这是我的代码：

features=TfidfVectorizer.fit_transform(data.status).toarray()
label=data.label
features.shape

在 Jupyter 笔记本控制台中运行时，出现以下错误：

    TypeError   Traceback (most recent call last)
<ipython-input-3-614f2fa78a04> in <module>()
----> 1 features=TfidfVectorizer.fit_transform(data.status).toarray()
      2 label=data.label
      3 features.shape
TypeError: fit_transform() missing 1 required positional argument: 'raw_documents'

Answer 1

在scikit-learn中，所有带有fit_transform的东西都是某种类型的实例，也就是说，您需要首先初始化该实例，在其中调用fit_transform，就好像它是staticmethod一样。

因此，要么通过让vectorizer = TfidfVectorizer()和使用vectorizer.fit_transform(data.status)来创建实例，要么直接使用TfidfVectorizer().fit_transform(data.status)。

您可以通过查看文档来了解这一点，注意到您似乎确实传递了唯一必需的参数，并回想一下 Python 中的实例方法带有一个隐式参数，通常称为 self ，因此您的代码中发生的事情是您将data.status作为self传递，而raw_documents未设置。