Python ValueError：使用管道拟合模型时，值太多，无法解压缩（预期为3）

我对这一点还是新手，还有很多东西要学，所以在我学习如何做好这一点的时候，请容忍我。我使用了一个Kaggle数据集，希望能够使用管道使我的代码更加整洁，并简化清理分类和数字数据的过程。我的工作中没有错误，直到最后我尝试拟合我的模型，它给了我ValueError：太多的值需要解包（预期3个）。任何帮助都将不胜感激

我已经看过了其他类似的问题，但还没有找到一个与我的问题相关的问题。我想这可能与变量命名有关，但到目前为止我还没有发现我的错误

df=pd.read\u csv（'master.csv'））
df=df.下降（'国家/年'，轴=1）
df[‘本年度gdp（美元）’]=df[‘本年度gdp（美元）’].str.replace（’，’，“”）
df[‘本年度gdp（美元）’]=df[‘本年度gdp（美元）’]。astype（str）。astype（浮动）
#打印（df.info（））
y=df.自杀事件
特征=[“国家”、“性别”、“年龄”、“世代”、“年份”、“人口”，
“年度人类发展指数”、“年度国内生产总值（$）”、“人均国内生产总值（$）”]
X=df[features].copy（）
X_序列，X_有效，y_序列，y_有效=序列测试分割（X，y，序列大小=0.8，测试大小=0.2，随机状态=0）
从sklearn.compose导入ColumnTransformer
从sklearn.pipeline导入管道
从sklearn.impute导入SimpleImputer
从sklearn.preprocessing导入OneHotEncoder
数字变压器=简单计算机（策略='mean'）
分类变压器=管道（步骤=[
（'inputer'，simplemputer（strategy='most_frequency'）），
（'onehot'，onehotcoder（handle_unknown='ignore'））
])
预处理器=列转换器(
变形金刚=[
（“数字”、“数字”、“自杀人数”、“人口”、“年度人类发展指数”、“年度gdp（$）”、“人均gdp（$）”），
（'cat'，分类变压器，'country'，'sex'，'generation'，'year'，'age'）
])
模型_1=随机森林回归器（n_估计量=100，随机状态=0）
my_pipeline=pipeline（步骤=[（'preprocessor'，preprocessor），
（“模型”，模型1）
])
my_pipeline.fit（X_train，y_train）

回溯（最近一次呼叫最后一次）：
文件“…自杀率/SR.py”，第86行，在
my_pipeline.fit（X_train，y_train）
文件“…pipeline.py”，第265行，适合
Xt，拟合参数=自拟合（X，y，**拟合参数）
文件“…pipeline.py”，第230行，以_-fit格式
**拟合参数步骤[名称]）
调用中第342行的文件“…memory.py”__
返回self.func（*args，**kwargs）
文件“…pipeline.py”，第614行，在fit\u transform\u one中
res=变换器。拟合变换（X，y，**拟合参数）
文件“…组成\\u column\u transformer.py”，第445行，在fit\u transform中
自我验证变压器（）
文件“…ompose\ \u column\u transformer.py”，第256行，在\u validate\u transformers中
名称，变形金刚，uz=zip（*self.transformers）
ValueError:要解压缩的值太多（应为3个）

也许可以试试名字、变形金刚、*.=zip（*self.transformers）而不是嗯，我需要调查一下。我还没用过，我想出来了。我需要把我的特征用括号括起来。谢谢你的帮助。预处理器=ColumnTransformer（transformers=[（'num'，numeric'，numeric'，transformer，['sequences'，no'，'population'，'HDI for year'，'gdp for year（$），'gdp for year（$）]，（'cat'，cate'，categorical_transformer，['country'，'sex'，'generation'，'year'，'age']）@jpk，您能否将此作为答案发布，并说明错误和解决方案以及括号中的差异？