非负矩阵分解 - IndexError：索引 4 超出轴 1 的范围，大小为 4答案

【问题标题】：Non-Negative Matrix Factorization - IndexError: index 4 is out of bounds for axis 1 with size 4非负矩阵分解 - IndexError：索引 4 超出轴 1 的范围，大小为 4
【发布时间】：2017-11-01 03:41:00
【问题描述】：

这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',

这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)

如标题所述，我收到以下错误：

IndexError: index 4 is out of bounds for axis 1 with size 4

老实说，我不确定如何开始调试它。我使用相同的数据集构建了一个 LDA，没有任何问题。任何帮助将不胜感激

【问题讨论】：

请提供完整的代码，明确定义了 input_document_lower、vectorizer 和 no_topics。这个 (pastebin.com/JUM0dquy) 代码对我有用。

标签： python machine-learning topic-modeling nmf

【解决方案1】：

我认为 n_components 应该小于 (tfidf_model.shape[0], tfidf_model[1])。

【讨论】：

请发布完整代码（答案）而不是发布单行评论。
要改进此答案，请参阅stackoverflow.com/help/how-to-answer

【解决方案2】：

正如 Yotaro 所说，n_components 必须等于或小于 no_topics

no_topics, words = tfidf_model.shape

nmf = NMF(n_components=no_topics, random_state=1, alpha=.1, l1_ratio=.5,init='nndsvd').fit(tfidf_model)

【讨论】：

【解决方案3】：

您必须将 no_topics 变量设置为 tfidf_model.shape 的 x 坐标

【讨论】：