原因

问题出在preprocessor管道中。此管道的工作方式是将tweet_text_transformer的输出和numeric_transformer的输出水平堆叠。要成功实现这一点，两个输出（tweet_text_transformer和numeric_transformer）必须具有相同的行数（即：轴0或维-0中的元素数）
但是当上述流水线执行tweet_text_processor时，尽管我们期望它实际上给予具有4个元素的2 * 2矩阵，因为CountVectorizer将输出存储为稀疏矩阵，它移除矩阵中的任何零（为了保存内存）这将数组减少到2*2矩阵，但其中只有3个元素，并且当它与numeric_的输出堆叠时transformer它不满足上述条件（因为数值transformer在轴0上有两个元素，而twwet_text_processor没有）
Output of the explination
溶液

• 创建一个自定义转换器，将此稀疏矩阵转换为numpy数组
• 此外，由于只有一列，因此挤压Pandas Dataframe 以将其转换为Panadas系列

import pandas as pd
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer
from sklearn.base import BaseEstimator, TransformerMixin
from sklearn.pipeline import Pipeline
from sklearn.svm import LinearSVC
from sklearn.preprocessing import MinMaxScaler
from sklearn.compose import ColumnTransformer

data = [[1, 3, 4, 'text', 'pos'], [9, 3, 6, 'text more', 'neg']]
data = pd.DataFrame(data, columns=['Num1', 'Num2', 'Num3', 'Text field', 'Class'])


class TweetTextProcessor(BaseEstimator, TransformerMixin):
    def __init__(self):
        self.tweet_text_transformer = Pipeline(steps=[
        ('count_vectoriser', CountVectorizer()),
        ('tfidf', TfidfTransformer())    ])
       
        
    def fit(self, X, y=None):
        return self

    def transform(self, X, y=None):
       
        return  self.tweet_text_transformer.fit_transform(X.squeeze()).toarray()
        



numeric_transformer = Pipeline(steps=[
    ('scaler', MinMaxScaler())
])

preprocessor = ColumnTransformer(transformers=[
    ('tweet', TweetTextProcessor(), ['Text field']),
    ('numeric', numeric_transformer, ['Num1', 'Num2', 'Num3'])
])

pipeline = Pipeline(steps=[
    ('preprocessor', preprocessor),
    ('classifier', LinearSVC())
])

X_train = data.loc[:, 'Num1':'Text field']
y_train = data['Class']
pipeline.fit(X_train, y_train)

上述代码应该可以工作，如果解释不清楚（希望如此），请告诉我

我实现了您的代码解决方案，将稀疏矩阵转换为数组，并修复了错误，但是，当我调用predict时，它显示了另一个错误

model = pipeline.fit(X_train,y_train)
y_pred = model.predict(X_test)

它给予了我这个错误
ValueError：X每个样本有574个特征;预期493
我的理解是，在这种情况下，它没有使用已训练的矢量器模型，而是在X_test数据集上训练了一个新模型。
注：需要为BaseEstimator、TransformerMixin添加导入语句

更新：

要解决此问题，请使用FunctionTransformer而不是定义类
使用FunctionTransformer而不是定义类

from sklearn.preprocessing import FunctionTransformer

vectorizer_params = dict(ngram_range=(1, 2), min_df=5, max_df=0.8)

TweetTextProcessor = Pipeline(steps=[
    ("squeez", FunctionTransformer(lambda x: x.squeeze())),
    ("vect", CountVectorizer(**vectorizer_params)),
    ("tfidf", TfidfTransformer()),
    ("toarray", FunctionTransformer(lambda x: x.toarray())),
])

numeric_transformer = Pipeline(steps=[
    ('scaler', MinMaxScaler())
])

preprocessor = ColumnTransformer(transformers=[
    ('tweet', TweetTextProcessor, ['Text field']),
    ('numeric', numeric_transformer, ['Num1', 'Num2', 'Num3'])
])

pipeline = Pipeline(steps=[
    ('preprocessor', preprocessor),
    ('classifier', LinearSVC())
])