我有一个只有两个类别的文档分类问题，我的训练数据集在使用CountVectorizer/TfidfVectorizer后矩阵大小变为(40,845 X 218,904)（单字）。我想使用TruncatedSVD；然而，CountVectorizer/TfidfVectorizer似乎会产生负值。我想知道为什么会这样，以及如何避免负值的出现。

    tsvd = TruncatedSVD(10000, algorithm="randomized")      features = [                dict(name="count_ng1",                feat=CountVectorizer(tokenizer=tokenizer, ngram_range=(1,1))),                dict(name="tfidf_ng1",                feat=TfidfVectorizer(tokenizer=tokenizer, ngram_range=(1,1))),               ]           for data in datas:               (D_train, y_train, d_test, y_test) = g.get_train_test(**data['params'])              for feat in features:                  x_train = feat['feat'].fit_transform(d_train)                  x_test = feat['feat'].transform(d_test)                  X_trainSVD = tsvd.fit_transform(x_train)                  X_testSVD = tsvd.transform(x_test) 

回答：

TruncatedSVD 处理负值应该没有问题。

CountVectorizer/TfidfVectorizer 不应该产生负值。如果它们确实产生了负值，那可能是bug。

如果你更新你的问题，我会更新我的回答，以下是需要更新的内容：

• 提供一个有效的重现脚本，最好是使用自包含的数据（例如，将d_train/d_test定义为一个小的Python字符串列表，使得在没有访问你的真实数据的情况下也能重现问题），
• 修正缩进，使得可以复制并粘贴你的代码片段并运行，
• 提供你得到的错误消息以及完整的回溯信息。