python scikit-学习TfidfVectorizer:当输入是2个单字符串时，为什么要使用ValueError？
python scikit-学习TfidfVectorizer:当输入是2个单字符串时，为什么要使用ValueError？
提问于 2016-09-14 04:01:16
我正在尝试运行下面这样的代码：
from sklearn.feature_extraction.text import TfidfVectorizer
test_text = ["q", "r"]
vect = TfidfVectorizer(min_df=1,
stop_words=None,
lowercase=False)
tfidf = vect.fit_transform(test_text)
print vect.get_feature_names()但是得到一个ValueError：
ValueError: empty vocabulary; perhaps the documents only contain stop words
是否存在关于输入的限制或约束的指导？我在TfidfVectorizer doc page上找不到任何东西。我试图跟踪它，并找到了_count_vocab函数，但我在读取它时遇到了问题。此外，当我将字符串的长度更改为2或更大时，代码运行正常。
回答 1
Stack Overflow用户
发布于 2016-09-14 04:57:55
该错误是由于min_df参数引起的。当您设置min_df =0的值时，它将工作得很好，因为它不会受到当前设置为1的“最小阈值”的限制，并且您的每个单词也只出现一次。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/39478120
复制相关文章
相似问题
腾讯云开发者
