不幸的是，这两个是不兼容的。CountVectorizer产生一个稀疏矩阵，而RandomForestClassifier需要一个密集矩阵。可以使用X.todense()进行转换。这样做会大大增加你的内存占用。
下面是基于http://zacstewart.com/2014/08/05/pipelines-of-featureunions-of-pipelines.html的示例代码，它允许您在管道阶段调用.todense()。

class DenseTransformer(TransformerMixin):

    def fit(self, X, y=None, **fit_params):
        return self

    def transform(self, X, y=None, **fit_params):
        return X.todense()

一旦有了DenseTransformer，就可以将其作为流水线步骤添加。

pipeline = Pipeline([
     ('vectorizer', CountVectorizer()), 
     ('to_dense', DenseTransformer()), 
     ('classifier', RandomForestClassifier())
])

另一种选择是使用用于稀疏数据的分类器，如LinearSVC。

from sklearn.svm import LinearSVC
pipeline = Pipeline([('vectorizer', CountVectorizer()), ('classifier', LinearSVC())])

最简洁的解决方案是使用FunctionTransformer转换为密集：这将自动实现fit、transform和fit_transform方法，如大卫的答案所示。另外，如果我不需要为我的管道步骤命名，我喜欢使用sklearn.pipeline.make_pipeline便利函数来启用更简约的语言来描述模型：

from sklearn.preprocessing import FunctionTransformer

pipeline = make_pipeline(
     CountVectorizer(), 
     FunctionTransformer(lambda x: x.todense(), accept_sparse=True), 
     RandomForestClassifier()
)

0.16-dev中的随机森林现在接受稀疏数据。

你可以使用.values方法将pandas Series改为数组。

pipeline.fit(df[0].values, df[1].values)

然而，我认为这里的问题是因为CountVectorizer()默认返回一个稀疏矩阵，并且不能通过管道传输到RF分类器。CountVectorizer()确实有一个dtype参数来指定返回的数组类型。也就是说，通常你需要做某种降维来使用随机森林进行文本分类，因为词袋特征向量非常长

我发现FunctionTransformer和使用x.toarray（）而不是x.todense（）对我很有效。

'pipeline': Pipeline(
        [
            ('vect', TfidfVectorizer()),
            ('dense', FunctionTransformer(lambda x: x.toarray(), accept_sparse=True)),
            ('clf', GaussianProcessClassifier())
        ]
    )

使用此管道添加TfidTransformer plus

pipelinEx = Pipeline([('bow',vectorizer),
                           ('tfidf',TfidfTransformer()),
                           ('to_dense', DenseTransformer()), 
                           ('classifier',classifier)])

上面的第一行，以稀疏矩阵的形式获取文档的字数。然而，在实践中，您可能会使用TfidfTransformer在一组新的未见过的文档上计算tfidf分数。然后，通过调用tfidf transformer.transform（vectorizer），您最终将计算文档的tf-idf分数。在内部，这是计算tf * idf乘法，其中词频由其idf值加权。