python sklearn pipiline fit:“；AttributeError:lower not found"；

我试图使用sklearn将所有文本数据分为3类。但是我越来越

“AttributeError:找不到更低的值”

跑步的时候

代码：

train, test = train_test_split(df, random_state=42, test_size=0.3, shuffle=True)
X_train = train.contents
X_test = test.contents
Y_train = train.category
Y_test = test.category

clf_svc = Pipeline([('vect', CountVectorizer()),
                    ('tfidf', TfidfVectorizer(tokenizer=',', use_idf=True, stop_words="english")),
                    ('clf', OneVsRestClassifier(LinearSVC(), n_jobs=1)),
                    ])

clf_svc = clf_svc.fit(X_train, Y_train)
predicted_svc = clf_svc(X_test)
print(np.mean(predicted_svc == Y_test))

数据框架（df）由两列组成：内容（长文本数据）和类别（文本） 数据）。内容是经过删减的文本，因此包含数十或数百个单词，类别是单个单词，如“A”、“B”

我已经检查了stackoverflow中过去的问题，但我无法解决出现的此错误。
我很高兴知道解决方案或代码本身的问题。
如有任何建议和答案，将不胜感激

提前感谢。

删除步骤

（'vect'，CountVectorizer（））

或使用

TfidfTransformer

而不是

tfidvectorizer

，因为

tfidvectorizer

需要字符串数组作为输入，并且

CountVectorizer（）

返回发生矩阵（即数字矩阵）

默认情况下，

TfidfVectorizer（…，lowercase=True）

将尝试将所有字符串“小写”，因此出现

错误消息“AttributeError:lower not found”

另外，参数

标记器

需要可调用（函数）或

无

，因此不要指定它。

删除步骤

（'vect'，CountVectorizer（））

或使用

TfidfTransformer

而不是

tfidfvectorier

作为

tfidfvectorier

需要字符串数组作为输入，

countvectorier（）

返回发生矩阵（即数字矩阵）

默认情况下，

TfidfVectorizer（…，lowercase=True）

将尝试将所有字符串“小写”，因此出现

错误消息“AttributeError:lower not found”

---

另外，参数

tokenizer

需要一个可调用（函数）或

None

，所以不要指定它。

您可以一起删除CountVectorizer。TfidfVectorizer将为您执行此操作。您可以一起删除CountVectorizer。TfidfVectorizer将为您执行此操作。