Python 线性误差，对sklean矢量化矩阵进行奇异值分解时

我试图对文本语料库进行矢量化，这样我就可以在2d空间（一个图形）中表示术语之间的接近程度。首先，我创建一个共现矩阵，然后对其进行SVD，如下所示：

from sklearn.feature_extraction.text import CountVectorizer
import numpy

docs = ['...', '...' a list of strings, e.g. sentences]
count_model = CountVectorizer(ngram_range=(1,1))
X = count_model.fit_transform(docs)
U, s, Vh = numpy.linalg.svd(X, full_matrices = False)

我得到以下错误：

LinAlgError: 0-dimensional array given. Array must be at least two-dimensional

---

奇怪的是，我的例程刚刚开始给我一条错误消息。我已经让numpy的linalg svd函数正常工作了，我正在试图找出我所做的更改是如何产生错误的。如果有人能解释错误信息，并建议我能做些什么，我将不胜感激。谢谢

无论何时报告Python错误，都要包含完整的回溯（即完整的错误消息）。它准确地显示了哪一行触发了错误。在这种情况下，问题标题清楚地表明，在调用

svd

时会发生错误，但查看它仍然很有用。在调用

svd

之前，您是否查看了

X

？一两份书面声明可能会澄清一些事情。尝试打印（X.dtype，X.shape）。输出是您期望的吗？