ValueError: empty vocabulary; perhaps the documents only contain stop words

[drdlfy]

为什么我直接跑这个baseline，没有改动，会报这个错呢？非常感谢你的回答！
cv.fit(data[feature])，获取词频向量时候报错的。

[YouChouNoBB]

用python3重跑

[drdlfy]

@YouChouNoBB 嗯，好的，非常感谢。昨天晚上我跑了好几次都是这个问题，早晨我重新跑了下，没有问题了。为什么会这样呢？

[YouChouNoBB]

研究了一下
比如传入的数据是['1 3','2 4']这样就会有问题，会把单独的数字当成stop words
但是传入的数据是['12 34','265 3']这样就不会有问题

[drdlfy]

@YouChouNoBB 好的，非常感谢，但还是有点疑问，每次都读入的数据都一样，前面报这个错后面就不报了？

[YouChouNoBB]

不太清楚这个问题

[drdlfy]

@YouChouNoBB 好的，非常感谢，后来就没有碰到这种问题。

[qioooo]

用anaconda3跑也出现了这种情况，python3.6，能从程序上改下么?

[klvn930815]

@YouChouNoBB 你好，我顺便想问一下，代码会把单独的数字当成stop words过滤掉，但是单独数字在数据里面是有物理意义的，所以应该不能被过滤掉吧？

[YouChouNoBB]

是的，对于这种数据建议单独处理

[drdlfy]

@YouChouNoBB @klvn930815 你们好，我想问一下为什么独热编码会把单独的数字当成stop words，我没查到相关资料，能给下相关资料的链接吗？非常感谢你们的指教。

[YouChouNoBB]

升级下sklearn包试试

[drdlfy]

@YouChouNoBB 你好我没太理解你的意思，升级sklearn包就可以知道独热编码为什么把单独的数字当成stop words了吗？有没有相关的资料链接呢？非常感谢