Python AttributeError:未找到稠密的

任务：使用

CountVectorizer

和

TfidfTransformer

使用

SVC

进行文档分类

我已经使用

pickle

对模型进行了训练、测试并保存了模型以及CountVectorizer和TfidfTransformer

现在，当我加载并使用它预测时，它给出了

AttributeError:densed not found

我在培训和测试阶段都检查了输入的形状。都一样。但我认为形状不是问题

在培训和通过加载来使用它之间没有版本更新。所有内容都在同一版本上

scikit learn==0.23.2

这是我的密码：

#Training
X_train = train["Text"]
Y_train = train["Class"]

count = CountVectorizer(lowercase=False)
X_count_vector = count.fit_transform(X_train)

tfidf = TfidfTransformer(smooth_idf=True, use_idf=True)
X_train = tfidf.fit_transform(X_count_vector)

classifier = SVC()
classifier.fit(X_train.todense(), Y_train) #Training as dense matrix

#Testing
cvec = count.transform(test["Text"])
predable = tfidf.transform(cvec)
pred = classifier.predict(predable.todense()) #This line works, it gived the predicted values as expected.

#Saving the model
pickle.dump(classifier, open("classifier.txt", 'wb'))
pickle.dump(count, open("countVec.txt", 'wb'))
pickle.dump(tfidf, open("tfidf.txt", 'wb'))

#Loading the model
classifiernew = pickle.load(open("classifier.txt", 'rb'))
countVectornew = pickle.load(open("countVec.txt", 'rb'))
tfidfnew = pickle.load(open("tfidf.txt", 'rb'))

#Using the Loaded Model
newInp = test["Text"]
countVec = countVectornew.transform(newInp)
X_test = tfidfnew.transform(countVec)
#Prediction, this is where the Error enters in
predd = classifiernew.predict(X_test.todense()) #The error causing line

以下是完整的回溯：

res = clf.predict(testable.dense())
Traceback (most recent call last):

  File "<ipython-input-74-d4714966beb3>", line 1, in <module>
    res = clf.predict(testable.dense())

  File "...\env\lib\site-packages\scipy\sparse\base.py", line 687, in __getattr__
    raise AttributeError(attr + " not found")

AttributeError: dense not found

res=clf.predict（testable.dense（））
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
res=clf.predict（testable.dense（））
文件“…\env\lib\site packages\scipy\sparse\base.py”，第687行，在uu getattr中__
提升属性错误（属性+“未找到”）
AttributeError:未找到稠密的

好吧，在重新打开这个问题后，我可以发布这个问题的解决方法。 由于某种原因，

.dense（）

方法不起作用，我使用了

.toarray（）

来代替它，它非常适合我

---

愉快的建模。

我建议发布一篇文章。@Davis我已经添加了代码，其中包含负责该问题的行。如果您需要任何详细信息，请告诉我。无法发布答案，但我找到了解决此问题的方法。出于某种原因，.dense（）方法不起作用，而我使用了.toarray（）方法，该方法对我来说非常有效。谢谢