我在尝试在GridSearch中使用Pipeline时使用多个特征列。因此，我传递了两个我想进行TfidfVectorizer处理的列，但在运行GridSearch时遇到了问题。
Xs = training_data.loc[:,['text','path_contents']]y = training_data['class_recoded'].astype('int32')for col in Xs: print Xs[col].shapeprint Xs.shapeprint y.shape# (2464L,)# (2464L,)# (2464, 2)# (2464L,)from sklearn.pipeline import Pipelinefrom sklearn.feature_extraction.text import TfidfVectorizerfrom sklearn.naive_bayes import MultinomialNBfrom sklearn.model_selection import GridSearchCVpipeline = Pipeline([('vectorizer', TfidfVectorizer(encoding="cp1252", stop_words="english")), ('nb', MultinomialNB())])parameters = { 'vectorizer__max_df': (0.48, 0.5, 0.52,), 'vectorizer__max_features': (None, 8500, 9000, 9500), 'vectorizer__ngram_range': ((1, 3), (1, 4), (1, 5)), 'vectorizer__use_idf': (False, True)}if __name__ == "__main__": grid_search = GridSearchCV(pipeline, parameters, n_jobs=-1, verbose=2) grid_search.fit(Xs, y) # <- error thrown here print("Best score: {0}".format(grid_search.best_score_)) print("Best parameters set:") best_parameters = grid_search.best_estimator_.get_params() for param_name in sorted(list(parameters.keys())): print("\t{0}: {1}".format(param_name, best_parameters[param_name]))错误：ValueError: Found input variables with inconsistent numbers of samples: [2, 1642]
我读到了类似的错误这里和这里，我尝试了两个问题的建议，但没有效果。
我尝试以不同的方式选择我的数据：
features = ['text', 'path_contents']Xs = training_data[features]我尝试使用.values代替，如这里建议的，像这样：
grid_search.fit(Xs.values, y.values) 但这给了我以下错误：
AttributeError: ‘numpy.ndarray’ object has no attribute ‘lower’
这是怎么回事？我不知道如何继续进行下去。
回答：
TfidfVectorizer期望输入一个字符串列表。这解释了”AttributeError: ‘numpy.ndarray’ object has no attribute ‘lower'”，因为你输入的是二维数组，这意味着一个数组列表。
所以你有两种选择，要么事先将两列合并成一列（在pandas中），或者如果你想保留两列，你可以在pipeline中使用feature union（http://scikit-learn.org/stable/modules/pipeline.html#feature-union）
关于第一个异常，我猜它是由pandas和sklearn之间的通信引起的。然而，由于上述代码中的错误，你无法确定原因。
