scikit learn 类型错误只有一个元素的整数数组可以转换为索引答案

【问题标题】：scikit learn Type error only integer arrays with one element can be converted to an indexscikit learn 类型错误只有一个元素的整数数组可以转换为索引
【发布时间】：2016-08-09 12:21:30
【问题描述】：

我在调用 cosine_similarity 时收到以下错误

numerator = sum(a*b for a,b in zip(x,y))
TypeError: only integer arrays with one element can be converted to an index

我正在尝试从 CountVectorizer 返回的文档关键字矩阵中获取关键字关键字共现矩阵。

我觉得cosine_similarity 不喜欢我传递它的数据类型，但我不确定到底是什么问题。这里，n 是 scipy.sparse.csc.csc_matrix 类型，y 是 scipy.sparse.csr.csr_matrix 类型

documents = (
    "The sky is blue",
    "The sun is bright",
    "The sun in the sky is bright",
    "We can see the shining sun, the bright sun"
)

countvectorizer = CountVectorizer()
y =  countvectorizer.fit_transform(documents)
n  = y.T.dot(y) 
x = n.tocsr()
x = x.toarray()
numpy.fill_diagonal(x, 0) 

result = cosine_similarity(x, "None")

【问题讨论】：

首先猜测是稀疏表示会导致问题，您是否尝试将矩阵转换为非稀疏表示？
@ncfirth 非稀疏是指 numpy 数组？
是的[更多字符]
@ncfirth 嗨..但这就是我在点积运算后所做的（使用 toarray() 将矩阵转换为数组）
您能提供一些示例数据吗？

标签： python scikit-learn cosine-similarity

【解决方案1】：

使用sklearncosine_similarity，此代码段运行并返回一个合理的答案。

from sklearn.feature_extraction.text import CountVectorizer
from sklearn.metrics.pairwise import distance_metrics

documents = (
    "The sky is blue",
    "The sun is bright",
    "The sun in the sky is bright",
    "We can see the shining sun, the bright sun"
)

countvectorizer = CountVectorizer()
y =  countvectorizer.fit_transform(documents)
n  = y.T.dot(y) 
x = n.tocsr()
x = x.toarray()
np.fill_diagonal(x, 0) 
cosine_similarity = distance_metrics()['cosine']
result = cosine_similarity(x, x)

【讨论】：