質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.50%
Windows

Windowsは、マイクロソフト社が開発したオペレーティングシステムです。当初は、MS-DOSに変わるOSとして開発されました。 GUIを採用し、主にインテル系のCPUを搭載したコンピューターで動作します。Windows系OSのシェアは、90%を超えるといわれています。 パソコン用以外に、POSシステムやスマートフォンなどの携帯端末用、サーバ用のOSもあります。

Unicode

Unicodeはエンコーディングの標準規格です。1つの文字コード体系で多国語の表現を可能にすることを目指して作られています。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

Q&A

解決済

2回答

1361閲覧

UnicodeEncodeErrorが出てLDAが進まないです

mkkanvas

総合スコア1

Windows

Windowsは、マイクロソフト社が開発したオペレーティングシステムです。当初は、MS-DOSに変わるOSとして開発されました。 GUIを採用し、主にインテル系のCPUを搭載したコンピューターで動作します。Windows系OSのシェアは、90%を超えるといわれています。 パソコン用以外に、POSシステムやスマートフォンなどの携帯端末用、サーバ用のOSもあります。

Unicode

Unicodeはエンコーディングの標準規格です。1つの文字コード体系で多国語の表現を可能にすることを目指して作られています。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

0グッド

0クリップ

投稿2020/06/08 08:38

前提・実現したいこと

日本語のテキストを使ってLDAを実施しています。
sklearnのldaでfitを実行したときにUnicodeEncodeErrorが発生しました。

インターネットで原因を調べ、
sys.setdefaultencoding('utf-8')
などの解決策を試してみましたが、うまくいきませんでした。

使用OSはwindows10
anaconda3で環境を構築しました。

2時間以上検索、修正、再実施を繰り返しましたが、解決しないため、ご教示いただけますと幸いです。

発生している問題・エラーメッセージ

UnicodeEncodeError Traceback (most recent call last) <ipython-input-360-8048e9f036b2> in <module> 1 from sklearn.decomposition import LatentDirichletAllocation as LDA 2 lda = LDA(n_components=5, max_iter=30, n_jobs=-1, verbose=1, evaluate_every=1) ----> 3 lda.fit(X_tfidf.toarray()) C:\Users\Public\anaconda3\envs\py37\lib\site-packages\sklearn\decomposition\_lda.py in fit(self, X, y) 556 last_bound = None 557 n_jobs = effective_n_jobs(self.n_jobs) --> 558 with Parallel(n_jobs=n_jobs, 559 verbose=max(0, self.verbose - 1)) as parallel: 560 for i in range(max_iter): (中略) UnicodeEncodeError: 'ascii' codec can't encode characters in position 18-19: ordinal not in range(128)

該当のソースコード

python3

1from sklearn.decomposition import LatentDirichletAllocation as LDA 2lda = LDA(n_components=5, max_iter=30, n_jobs=-1, verbose=1, evaluate_every=1) 3lda.fit(X_tfidf)

試したこと

https://teratail.com/questions/181578
http://lab.hde.co.jp/2008/08/pythonunicodeencodeerror.html
https://qiita.com/butada/items/33db39ced989c2ebf644
https://hodalog.com/about-unicodeencodeerror-using-japanese-in-python-code/
このあたりのHPをしらべ、実施しました。

補足情報(FW/ツールのバージョンなど)

X_tfidfは以下のコードで作成しました。

from sklearn.feature_extraction.text import TfidfVectorizer
tokens = []
for doc in docs:
tokens.append(" ".join([token.lemma_ for token in doc if token.pos_ in POS or len(POS) ==0]))
tv = TfidfVectorizer(stop_words=stop_words, ngram_range=(1,NGRAM), max_df=MAX_DF, min_df=MIN_DF, max_features=NUM_VOCAB)
X_tfidf = tv.fit_transform(tokens)
vocab = tv.vocabulary_
reverse_vocab = { vocab[k]:k for k in vocab.keys() }
vocab_size = len(vocab)

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答2

0

自己解決

本件につきましては不要となりましたので示させていただきます。

投稿2020/06/13 23:12

mkkanvas

総合スコア1

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

0

もしエンコードがUTF-8ならば、コードの最初に

Python

1# -*- Coding: utf-8 -*-

をつけてみてください
(もうおこなっていらっしゃるかもしれませんが...)

投稿2020/06/08 08:47

編集2020/06/08 08:48
Luke02561

総合スコア404

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

mkkanvas

2020/06/08 08:50

ご回答ありがとうございます。いただきました件につきましては、実施しておりましたが、解決には至りませんでした。引き続きよろしくお願いいたします。
Luke02561

2020/06/08 08:57

全角の文字は入っていませんよね?
mkkanvas

2020/06/08 09:36

入っておりません。arrayの中はfloat64です。
mkkanvas

2020/06/08 09:38

おなじarrayをkmeansに入れると正常に動きます。LDAに入れると動きません。
Luke02561

2020/06/08 09:55

そもそもエンコードはUTF-8ですか? もしそうでないのなら、メモ帳でそのコードを開き、 名前をつけて保存→文字コード(保存名の下辺りにあるはずです)にUTF-8を選択して保存 をしてください
mkkanvas

2020/06/08 09:56

エンコードはUTF-8です。 文字コードは確認済みです。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.50%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問