使用Gaussian Naive Bayes检测Quillbot改写文本遇稀疏矩阵报错求助

问题原因 #

CountVectorizer转换文本后输出的是稀疏矩阵，而GaussianNB（高斯朴素贝叶斯）仅支持稠密的numpy数组作为输入，因此触发了TypeError。

解决方案 #

有两种可行的解决方式：

方案1：将稀疏矩阵转为稠密数组 #

对X_train和X_test调用toarray()方法，把稀疏矩阵转换成numpy稠密数组：

# 转换为稠密数组
X_train_dense = X_train.toarray()
X_test_dense = X_test.toarray()

# 训练模型
model = GaussianNB()
model.fit(X_train_dense, y_train)

# 评估
accuracy = model.score(X_test_dense, y_test)
print("Model accuracy on test set: {:.2f}%".format(accuracy * 100))

⚠️ 注意：如果文本词汇量很大，稠密数组会占用大量内存，可能导致性能问题。

方案2：改用支持稀疏矩阵的朴素贝叶斯模型 #

推荐使用MultinomialNB（多项式朴素贝叶斯），它专门针对文本分类场景设计，原生支持稀疏矩阵，内存占用更低，效果通常更优：

# 替换模型为MultinomialNB
from sklearn.naive_bayes import MultinomialNB

# 初始化模型
model = MultinomialNB()

# 直接用稀疏矩阵训练（无需转换）
model.fit(X_train, y_train)

# 评估
accuracy = model.score(X_test, y_test)
print("Model accuracy on test set: {:.2f}%".format(accuracy * 100))

# 可选：输出详细分类报告
y_pred = model.predict(X_test)
print(classification_report(y_test, y_pred))

完整修改后的代码（方案2推荐版） #

import pandas as pd
from sklearn.naive_bayes import MultinomialNB  # 替换为MultinomialNB
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from sklearn.feature_extraction.text import CountVectorizer

# 读取数据集
df = pd.read_csv('Desktop/Dataset.csv', encoding='utf-8')
df.columns = ['text', 'type']

# 划分训练测试集
train_df, test_df = train_test_split(df, test_size=0.3, random_state=42)

# 文本向量化
vectorizer = CountVectorizer()
X_train = vectorizer.fit_transform(train_df['text'])
X_test = vectorizer.transform(test_df['text'])
y_train = train_df['type'].values
y_test = test_df['type'].values

# 初始化并训练模型
model = MultinomialNB()
model.fit(X_train, y_train)

# 评估模型
accuracy = model.score(X_test, y_test)
print("Model accuracy on test set: {:.2f}%".format(accuracy * 100))

# 输出分类报告
y_pred = model.predict(X_test)
print("\nClassification Report:")
print(classification_report(y_test, y_pred))

内容的提问来源于stack exchange，提问作者Will