数组形状错误成因解析及替代解决方案咨询

错误成因 #

Sklearn所有监督学习模型（包括朴素贝叶斯）的predict方法要求输入的特征数据必须是二维数组，形状格式为(样本数量, 特征数量)。你传入的是一维数组，这类数组无法让模型明确区分「样本数」和「每个样本的特征数」——比如你的例子里，一维数组['The cat is sleeping in the sun.' 'The dog is barking at the moon.']，模型无法判断这是2个单特征样本，还是1个双特征样本，因此抛出形状不匹配的报错。

已验证的解决方案 #

你使用的data = data.reshape(-1, 1)是标准解决方法，-1会让numpy自动计算对应维度的长度，这里相当于将一维数组转换为(样本数, 1)的二维数组，明确告诉模型：这是N个样本，每个样本有1个特征。

其他可选解决方案 #

• 使用numpy.expand_dims添加维度：

  import numpy as np
  data = np.expand_dims(data, axis=1)  # axis=1表示在列方向新增维度，效果和reshape(-1,1)一致
  

• 转换为嵌套列表结构：

  data = [[item] for item in data]
  

• 转换为pandas DataFrame：

  import pandas as pd
  data = pd.DataFrame(data, columns=['text_feature'])
  

预期输出 #

处理后模型应输出：[{"Cat": "Sleeping", "Dog": "barking"}]

内容的提问来源于stack exchange，提问作者user17716493