Python 非负矩阵分解-索引器:索引4超出大小为4的轴1的界限
下面是我将使用的数据集的一部分:Python 非负矩阵分解-索引器:索引4超出大小为4的轴1的界限,python,machine-learning,topic-modeling,nmf,Python,Machine Learning,Topic Modeling,Nmf,下面是我将使用的数据集的一部分: u'tff prep normalized clean water permability ncwp result outside operating range', u'technician inadvertently omitted documenting initial room \u201c cleaned sanitized field form', u'sunflower seed observed floor room 1', 下面是我正在
u'tff prep normalized clean water permability ncwp result outside operating range',
u'technician inadvertently omitted documenting initial room \u201c cleaned sanitized field form',
u'sunflower seed observed floor room 1',
下面是我正在使用的代码:
tfidf_model = vectorizer.fit_transform(input_document_lower)
tfidf_feature_names = vectorizer.get_feature_names()
nmf = NMF(n_components=no_topics, random_state=1, alpha=.1, l1_ratio=.5, init='nndsvd').fit(tfidf_model)
正如标题所述,我得到以下错误:
IndexError: index 4 is out of bounds for axis 1 with size 4
我真的不知道如何开始调试这个。我使用相同的数据集构建了一个LDA,没有任何问题。任何帮助都将不胜感激。我认为n_组件应该小于(tfidf_模型.形状[0],tfidf_模型[1])。我认为n_组件应该小于(tfidf_模型.形状[0],tfidf_模型[1])。正如Yotaro所说,n_组件需要相同或小于no_ 无主题,words=tfidf\u model.shape nmf=nmf(n\u组件=无主题,随机状态=1,α=0.1, l1_比率=.5,初始='nndsvd').fit(tfidf_模型)
正如Yotaro所说,n_组件需要与无_主题相同或更少 无主题,words=tfidf\u model.shape nmf=nmf(n\u组件=无主题,随机状态=1,α=0.1, l1_比率=.5,初始='nndsvd').fit(tfidf_模型)
必须将no_topics变量设置为tfidf_模型的x坐标。shape必须将no_topics变量设置为tfidf_模型的x坐标。shape请提供完整代码,并明确定义了输入文档、向量器和no_主题。这个()代码适合我。请提供完整的代码,并明确定义输入、文档、矢量器和无主题。此()代码对我适用。请发布完整代码(答案),而不是发布单行注释。若要改进此答案,请参阅发布完整代码(答案),而不是发布单行注释。若要改进此答案,请参阅