Python 错误：未知标签类型：'；未知'；。。。。y#u列值不'；t与x_列值一致

我有一系列的代码

from sklearn.feature_extraction.text import TfidfVectorizer
tfidfconverter = TfidfVectorizer(max_features=900, min_df=5, max_df=0.7, stop_words='english')
X = tfidfconverter.fit_transform(nlistRawDocs)

请注意顶部：最大功能为900

from sklearn.model_selection import train_test_split
X_train_S, X_test, y_train_S, y_test = train_test_split(X, trainDF['label'], test_size=0.2, random_state=0)

chi2 = SelectKBest(score_func=chi2, k=500)
X_train = chi2.fit_transform(X_train_S, y_train_S)

这里k=500

我的想法是只使用tf idf结果中900个最佳功能中的前500个

现在的问题是y_列的值，我相信它与X_列中的元素数不一致

那我怎么做呢

当这是饲料

classifier = RandomForestClassifier(n_estimators=1000, random_state=0)  
classifier.fit(X_train, y_train_S)  

它返回一个错误：

未知标签类型：“未知”

---

我知道X_train和y_train与其编号不一致，只是我不知道如何获取y_train的更新值？

将X_train的数据通过SelectKBest将列数从900减少到500，但不会影响数据中的行数，因此，它不应该导致y_列和X_列中元素数量不匹配的问题

---

您看到的错误很可能是由以下原因引起的。

您能回答问题并用代码块（“{}”按钮）格式化代码吗？这将使你的问题更具可读性。当你

classifier.fit（X\u train，y\u train\S）时会发生什么

它返回一个错误：未知标签类型：“未知”……我相信这是X\u train与y\u train的目标标签编号不对应的结果。唯一的问题是，在执行selectkbest后，如何获取y\u train的更新值打印

y\u train\S中的示例

。它有什么样的值？我发现了问题，TF-IDF后的X_列值是（1598900）选择K后的X_列值变成（1598500）现在问题是如何使X_列值变成这样（1598500），第二个值应取决于SelectKbest的K值这是输入到rainforest后的新错误模型的特征数必须与输入匹配。模型n_特征是500，输入n_特征是900，但我尝试这样做n特征=500，X_train.重塑（1598，n特征），但仍然不起作用如果您首先使用TF-IDF，然后在训练模型之前选择K测试，您需要在任何新数据的管道中遵循这个确切的过程。例如，

X\u 900d\u vectors=tfidfconverter.transform（新文本）

，然后

X\u 500d\u vectors=chi2.transform（X\u 900d\u vectors）

。最后，

predicts=classifier.predict（X_500d_vectors）

实际上它遵循tfidf然后选择kbest的过程，但我的问题是目标标签如何根据示例X_500d_vectors=chi2获得更新的标签。转换（X_900d_vectors），我将如何提取此X_500d_vectors的标签，我可以把它分配给y_train变量