如何解决生成movie_reviews数据集分类报告时的报错问题

我来帮你搞定这个分类报告的问题！从你的代码来看，你已经搭好了文本分类的Pipeline并完成了训练预测，大概率是调用classification_report时的参数或前置步骤出了问题，下面是完整的修正方案：

步骤1：补全必要的库导入 #

首先要确保你已经导入了生成分类报告的工具类，这是最容易遗漏的点：

from sklearn.metrics import classification_report
import numpy as np
from sklearn.pipeline import Pipeline
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer
from sklearn.naive_bayes import BernoulliNB
from sklearn.datasets import load_files  # 假设你是通过这个方式加载数据集

步骤2：完整的代码流程（含分类报告生成） #

把你的代码补充完整，重点是调用classification_report时传入正确的参数：

# 加载movie_reviews数据集（如果还没执行这一步）
movie_train = load_files('path/to/movie_reviews', shuffle=True)

# 你的原有Pipeline与训练逻辑
movie_train_clf = Pipeline([
    ('vect', CountVectorizer(stop_words='english')),
    ('tfidf', TfidfTransformer()),
    ('clas', BernoulliNB(fit_prior=True))
])
movie_train_clas = movie_train_clf.fit(movie_train.data, movie_train.target)
predict = movie_train_clas.predict(movie_train.data)

# 原有准确率计算代码
print("训练集准确率：", np.mean(predict == movie_train.target))

# 生成分类报告——核心修正部分！
report = classification_report(
    y_true=movie_train.target,
    y_pred=predict,
    target_names=['neg', 'pos']  # 注意：movie_reviews默认0对应负面评论，1对应正面，顺序别搞反！
)
print("分类报告：")
print(report)

常见报错原因排查 #

• 未导入classification_report：直接添加上from sklearn.metrics import classification_report即可解决。
• target_names顺序错误：movie_reviews的target标签默认0是neg、1是pos，如果顺序写反，报告里的标签会和实际结果不匹配，一定要对应上。
• 参数类型不匹配：确保y_true和y_pred都是一维数组（你的代码里movie_train.target和predict已经符合要求）。

如果调整后还是报错，可以把具体的错误信息贴出来，但按照上面的步骤修改后，基本就能正常生成分类报告啦！

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