我已经构建了一个模型。

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)     )

我可以成功地使用 m1 和 m2 进行拟合和预测。然而，当我查看组合 model_combo 时，尝试调用 .fit/.predict 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。如何拟合 model_combo?

回答：

问题在于 sklearn 的文本预处理器（在本例中为 TfidfVectorizer）处理的是一维数据，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，所以只有一个“文档”。这可以在 ColumnTransformer 中通过指定操作的列不在列表中来修复:

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