TypeError:应为字符串或类似字节的对象HashingVectorizer

Question

我一直面临着这个问题，虽然安装dataset..Everything似乎很好，但不知道问题出在哪里。由于我是一个初学者，谁能告诉我我做错了什么，或者我错过了什么？

问题似乎出在数据预处理部分。

错误跟踪和数据帧头已附加为下面的图像`

train = pd.read_csv('train.txt', sep='\t', dtype=str, header=None)
test =  pd.read_csv('test.txt', sep='\t', dtype=str, header=None)

X_train = train.iloc[:,1:]
y_train = train.iloc[:,0:1]

X_test = test.iloc[:,1:]
y_test = test.iloc[:,0:1]

TOKENS_ALPHANUMERIC = '[A-Za-z0-9]+(?=\\s+)'

steps = [('vectorizer',HashingVectorizer(TOKENS_ALPHANUMERIC,
                                                     norm=None, binary=False, lowercase=False,
                                                     ngram_range=(1,2))),
         ('clf',OneVsRestClassifier(LogisticRegression()))]

pipeline = Pipeline(steps)
pipeline.fit(X_train,y_train)
accuracy = pipeline.score(X_test,y_test)
print(accuracy)

`

stack trace dataframe head

Answer 1

你需要这样定义它：

steps = [('vectorizer',HashingVectorizer(tokenizer=TOKENS_ALPHANUMERIC,
                                         norm=None, binary=False, 
                                         lowercase=False,
                                         ngram_range=(1,2))),
         ('clf',OneVsRestClassifier(LogisticRegression()))]

当你没有指定key时，这个值被用于HashingVectorizer中的第一个参数，它是input，因此它是错误的。