...
Eroare Machine Learning · Modele: convergență, k-NN, k-means

ValueError: Negative values in data passed to MultinomialNB (input X).

Pe scurt

MultinomialNB lucrează cu numărări și frecvențe (de câte ori apare un cuvânt), care nu pot fi negative. Valorile negative vin de obicei de la StandardScaler pus înaintea lui. Scoate scalerul, folosește MinMaxScaler sau alege GaussianNB pentru date numerice obișnuite.

Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la

Ce înseamnă

Naive Bayes multinomial presupune că fiecare caracteristică este o numărare: de câte ori apare un cuvânt într-un mesaj, câte produse dintr-o categorie a cumpărat un client. O numărare negativă n-are sens, iar calculul probabilităților ar da rezultate fără sens, de aceea modelul verifică datele și se oprește.

Cel mai des, negativele apar pentru că ai pus StandardScaler înainte (standardizarea produce mereu valori negative, sub medie), ai dat modelului coloane precum diferențe de preț sau temperaturi, ori ai folosit PCA/TruncatedSVD, care produc și ele valori negative. Pentru text, dă-i direct ieșirea lui CountVectorizer sau TfidfVectorizer. Pentru date numerice obișnuite, potrivit este GaussianNB. Dacă trebuie să păstrezi MultinomialNB pe numere, MinMaxScaler aduce valorile în [0, 1]. Același mesaj îl dau ComplementNB și CategoricalNB, iar chi2 din selecția de trăsături are o verificare asemănătoare.

De ce apare: cauzele frecvente

1StandardScaler înainte de MultinomialNB

Greșit
PYTHON
pipe = make_pipeline(CountVectorizer(), StandardScaler(with_mean=False), MultinomialNB())
# sau pe date numerice:
make_pipeline(StandardScaler(), MultinomialNB())
Corect
PYTHON
pipe = make_pipeline(CountVectorizer(), MultinomialNB())

Numărările de cuvinte merg direct în model. Standardizarea creează valori negative pe datele numerice.

2Date numerice continue

Greșit
PYTHON
MultinomialNB().fit(df[["temperatura", "variatie_pret"]], y)
Corect
PYTHON
GaussianNB().fit(df[["temperatura", "variatie_pret"]], y)

GaussianNB presupune valori continue (distribuție normală pe fiecare clasă) și acceptă orice semn.

3Trebuie să păstrezi MultinomialNB

Greșit
PYTHON
make_pipeline(StandardScaler(), MultinomialNB())
Corect
PYTHON
make_pipeline(MinMaxScaler(), MultinomialNB())

MinMaxScaler aduce fiecare coloană în intervalul [0, 1], deci nu mai există valori negative.

Repară tu

Repară eroarea, direct în pagină

Codul de mai jos dă ValueError: Negative values in data passed to MultinomialNB (input X)., pentru că StandardScaler transformă numărul de produse cumpărate în valori și negative. Înlocuiește scalerul cu MinMaxScaler, ca programul să afișeze valoarea minimă după scalare și predicțiile pentru doi clienți noi.

Codul care dă eroarea
PYTHON
from sklearn.naive_bayes import MultinomialNB
from sklearn.preprocessing import StandardScaler

# produse cumparate: electronice, carti, jucarii
X = [[5, 0, 1], [4, 1, 0], [6, 0, 0], [0, 4, 3], [1, 5, 2], [0, 3, 4]]
y = ["tech", "tech", "tech", "familie", "familie", "familie"]

scaler = StandardScaler().fit(X)
X_sc = scaler.transform(X)
model = MultinomialNB().fit(X_sc, y)
print("Minim dupa scalare:", X_sc.min())
print("Predictii:", model.predict(scaler.transform([[3, 0, 0], [0, 2, 2]])).tolist())
După reparație, programul afișează
Minim dupa scalare: 0.0
Predictii: ['tech', 'familie']
Indiciu

Importă și folosește MinMaxScaler() în locul lui StandardScaler().

Alte forme ale mesajului

  • ValueError: Negative values in data passed to ComplementNB (input X).
  • ValueError: Negative values in data passed to MultinomialNB (input X)
  • ValueError: Input X must be non-negative.

Cum o eviți pe viitor

Alege varianta de Naive Bayes după date: MultinomialNB pentru numărări și TF-IDF, BernoulliNB pentru prezență/absență (0/1), GaussianNB pentru numere continue. Nu pune StandardScaler înaintea unui model care cere valori nenegative. Verifică rapid cu (X < 0).sum() înainte de antrenare. Pune într-un comentariu de lângă model ce tip de date așteaptă.

Întrebări frecvente

Merge MultinomialNB cu TF-IDF, deși nu sunt numărări întregi?

Da. Valorile TF-IDF sunt nenegative, iar modelul acceptă și frecvențe fracționare. În practică, combinația TF-IDF + MultinomialNB funcționează bine pentru clasificarea textelor.

De ce StandardScaler(with_mean=False) dă tot valori negative?

Pe matrici rare cu valori pozitive, nu: împărțirea la deviația standard păstrează semnul. Dacă vezi totuși negative, datele aveau deja valori negative înainte de scaler.

Erori înrudite

← Toate erorile Machine Learning

Tudor Andrei Dumitrescu
Cine a explicat eroarea

Tudor Andrei Dumitrescu

Senior Software Developer · fondatorul Academiei Programatorilor

LinkedIn
  1. 2019 Junior JavaCognizant Softvision
  2. 2021 Mid JavaCognizant Softvision
  3. 2022 Team LeaderEndava
  4. 2023 Senior Software DeveloperUniCredit
  5. Acum Senior Software DeveloperHCLTech
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu
Certificat de formator autorizatMinisterul Muncii și Ministerul Educației · 2022
Certificat de absolvire Instructor / Preparator formare, Tudor Andrei Dumitrescu

Certificat de formator autorizat · Ministerul Muncii și Ministerul Educației · 2022

Din 2020 construiește Academia Programatorilor, iar din 2026 și JoburiIT.ro. Fiecare eroare de aici a fost reprodusă în editorul nostru: codul greșit chiar dă mesajul din titlu, iar reparația chiar funcționează.

Învață Machine Learning de la zero, cu exerciții la fiecare lecție

Curs Machine Learning și AI pentru începători: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 15 lecții sunt gratuite.