由于维度不同，无法在scikit学习中使用FeatureUnion

Question

我试图使用FeatureUnion从数据结构中提取不同的特征，但由于维度不同而失败：ValueError: blocks[0,:] has incompatible row dimensions

---

实施

我的FeatureUnion是以以下方式构建的：

    features = FeatureUnion([
        ('f1', Pipeline([
            ('get', GetItemTransformer('f1')),
            ('transform', vectorizer_f1)
        ])),
        ('f2', Pipeline([
            ('get', GetItemTransformer('f2')),
            ('transform', vectorizer_f1)
        ]))
    ])

GetItemTransformer用于从同一结构中获取不同部分的数据。该想法在scikit学习问题跟踪器中进行了描述。

结构本身被存储为{'f1': data_f1, 'f2': data_f2}，其中data_f1是具有不同长度的不同列表。

---

问题

由于Y矢量与数据字段不同，我假设会发生错误，但如何缩放矢量以适应这两种情况？

Answer 1

以下是对我有效的方法：

class ArrayCaster(BaseEstimator, TransformerMixin):
  def fit(self, x, y=None):
    return self
  def transform(self, data):
    print data.shape
    print np.transpose(np.matrix(data)).shape
    return np.transpose(np.matrix(data))
FeatureUnion([('text', Pipeline([
            ('selector', ItemSelector(key='text')),
            ('vect', CountVectorizer(ngram_range=(1,1), binary=True, min_df=3)),
            ('tfidf', TfidfTransformer())
          ])
        ),
        ('other data', Pipeline([
            ('selector', ItemSelector(key='has_foriegn_char')),
            ('caster', ArrayCaster())
          ])
        )])

Answer 2

我不知道这是否适用于您的问题，但我们在略有不同的情况下遇到了相同的错误，并刚刚解决了它。

我们的f1条目每个都是15个数值的列表，我们需要对f2执行tf idf。这生成了关于不兼容行维度的相同错误。

在通过调试器运行它之后，我们发现在FeatureUnion中的hstack()调用中，我们的矩阵的形状有细微的不同：(2569,)和(2659, 706)。

如果我们将f1强制转换为2D numpy数组，则形状将更改为(2659, 15)，并且hstack调用有效。

演员阵容是这样的：f1 = np.array(list(f1))。