Sklearn：发现样本数量不一致的输入变量：答案

【问题标题】：Sklearn: Found input variables with inconsistent numbers of samples:Sklearn：发现样本数量不一致的输入变量：
【发布时间】：2021-03-18 08:38:18
【问题描述】：

我已经建立了一个模型。

est1_pre = ColumnTransformer([('catONEHOT', OneHotEncoder(dtype='int',handle_unknown='ignore'),['Var1'])],remainder='drop')
est2_pre = ColumnTransformer([('BOW', TfidfVectorizer(ngram_range=(1, 3),max_features=1000),['Var2'])],remainder='drop')


    m1= Pipeline([('FeaturePreprocessing', est1_pre),
                              ('clf',alternative)])
    m2= Pipeline([('FeaturePreprocessing', est2_pre),
                              ('clf',alternative)])
    model_combo = StackingClassifier(
         estimators=[('cate',m1),('text',m2)],
         final_estimator=RandomForestClassifier(n_estimators=10,
                                               random_state=42)
     )

我可以使用m1 和m2 成功拟合和预测。但是，当我查看model_combo 的组合时任何调用 .fit/.predict 的尝试都会导致 ValueError: Found input variables with inconsistent numbers of samples:

    model_fitted=model_combo.fit(x_train,y_train)

x_train 包含 Var1 和 Var2 如何适应model_combo?

【问题讨论】：

标签： machine-learning scikit-learn

【解决方案1】：

问题在于 sklearn 文本预处理器（在本例中为 TfidfVectorizer）处理一维数据，而不是像大多数其他预处理器那样处理二维数据。因此矢量化器将其输入视为其列的可迭代对象，因此只有一个“文档”。这可以在ColumnTransformer 中通过在列表中指定要对 not 进行操作的列来解决：

est2_pre = ColumnTransformer([('BOW', TfidfVectorizer(ngram_range=(1, 3),max_features=1000),'Var2')],remainder='drop')

【讨论】：