Блог

 import numpy as mp import pandas as pd import nltk from nltk.corpus import stopwords import string  df = pd.read_csv('email_spam.csv')  df.drop_duplicates(inplace = True)  df.isnull().sum()  nltk.download('stopwords')  def process_text(text):  nopunc = [char for char in text if char not in string.punctuation]  nopunc = ''.join(nopunc)   clean_words = [word for word in nopunc.split() if word.lower() not in stopwords.words('english')]   return clean_words  df['text'].head().apply(process_text)  from sklearn.feature_extraction.text import CountVectorizer messages_bow = CountVectorizer(analyzer=process_text).fit_transform(df['text'])  from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(messages_bow, df['type'], test_size = 0.20, random_state = 0)  from sklearn.naive_bayes import MultinomialNB classifier = MultinomialNB().fit(X_train, y_train)  from sklearn.metrics import classification_report, confusion_matrix, accuracy_score pre = classifier.predict(X_train) print(classification_report(y_train,pre),'n') print("Confusion matrix ::: n ", confusion_matrix(y_train,pre)) print() print("Accuracy score : ",accuracy_score(y_train,pre))  pre = classifier.predict(X_test) print(classification_report(y_test,pre),'n') print("Confusion matrix ::: n ", confusion_matrix(y_test,pre)) print() print("Accuracy score : ",accuracy_score(y_test,pre))   input_mail = [input()] input_mail_features = CountVectorizer(analyzer=process_text).fit_transform(input_mail) prediction = classifier.predict(input_mail_features)  

Ошибка -gt; Обратная трассировка ошибки значения (последний последний вызов) в () 1 input_mail = [ввод()] 2 input_mail_features = счетчик(анализатор=process_text).fit_transform(input_mail) —-gt; 3 предсказание = классификатор.предсказать(input_mail_features)

3 кадров /usr/local/lib/python3.7/dist-packages/sklearn/base.py в check_n_features(самообслуживание, х, сброс) 394 если n_features != самовывоз.n_features_in: 395 поднять ValueError( —gt; 396 Ф»Х {n_features} характеристики, но {самоуправления.класс.наименование} «397 Ф»ожидает {самоуправления.n_features_in_} функции в качестве входных данных».398 )

Ошибка значения: X имеет 1 функцию, но MultinomialNB ожидает 11401 функцию в качестве входных данных.