Python 3.x 获取：AttributeError:'；列表'；对象没有属性'；下'；在尝试运行NLP分类模型时

正在尝试按照代码运行，但获取AttributeError:

# Vectorize training and testing data
def Vectorize(vec, X_train, X_test):    
    
    X_train_vec = vec.fit_transform(X_train)
    X_test_vec = vec.transform(X_test)
    
    print('Vectorization complete.\n')
    
    return X_train_vec, X_test_vec

# Use multiple classifiers and grid search for prediction
def ML_modeling(models, params, X_train, X_test, y_train, y_test):    
    
    if not set(models.keys()).issubset(set(params.keys())):
        raise ValueError('Some estimators are missing parameters')

    for key in models.keys():
    
        model = models[key]
        param = params[key]
        gs = GridSearchCV(model, param, cv=5, error_score=0, refit=True)
        gs.fit(X_train, y_train)
        y_pred = gs.predict(X_test)
        
        # Print scores for the classifier
        print(key, ':', gs.best_params_)
        print("Precision: %1.3f \tRecall: %1.3f \t\tF1: %1.3f\n" % (precision_score(y_test, y_pred, average='macro'), recall_score(y_test, y_pred, average='macro'), f1_score(y_test, y_pred, average='macro')))
    
    return

models = {
    'Naive Bayes': GaussianNB()
}

params = {
    'Naive Bayes': { 'alpha': [0.5, 1], 'fit_prior': [True, False] }
}



# Train-test split and vectorize

X_train_vec, X_test_vec = Vectorize(TfidfVectorizer(), train["Abstract"], test["Abstract"])

ML_modeling(models, params, X_train_vec, X_test_vec, train.Include, test.Include)

正在尝试运行NLP分类模型（TFIDF）a。但是获取属性错误

AttributeError回溯（最近一次呼叫上次） 在里面 43#列车测试拆分和矢量化 44#X#u序列，X#u测试，y#u序列，y#u测试=序列测试分割（df['text']，df['category']，测试大小=0.2，随机播放=真） --->45 X_train_vec，X_test_vec=矢量化（TfidfVectorizer（），train[“Abstract”]，test[“Abstract”]） 46 47 ML_建模（模型、参数、X_训练向量、X_测试向量、训练包含、测试包含）

矢量化（矢量控制、X_列、X_测试） 4 def矢量化（vec、X_列、X_测试）： 5. ---->6 X_列向量=向量拟合变换（X_列） 7 X_测试向量=向量变换（X_测试） 八,

预处理后的数据：

---

如何消除此属性错误？

您没有显示实际调用lower的代码，但您正在传递一个列表，其中应该传递一个字符串。看看你的训练数据。所以我应该通过X_train.astype（str）？不，这不是一个你可以通过铸造来解决的问题。你需要弄清楚为什么你要传递一个列表而不是字符串。到目前为止我还没有任何答案。你能告诉我原因吗？你需要显示你的实际输入数据，

train[“Abstract”]

。