求解Sklearn LogisticRegression双向量特征输入的正确语法

要同时将query vector和doc vector作为模型输入，核心是把两个向量拼接成单个一维特征向量，让输入特征矩阵符合(样本数, 总特征数)的格式，以下是两种可行的实现方式：

方法1：用Pandas Apply拼接向量 #

利用apply逐行拼接两个向量，再转换为模型可接受的格式：

import pandas as pd
from sklearn.linear_model import LogisticRegression

y = training_data["relevant"]
# 逐行拼接query和doc向量，生成新的特征列表
X = training_data.apply(lambda row: row["query vector"] + row["doc vector"], axis=1).tolist()

clf = LogisticRegression()
clf.fit(X, y)

方法2：用Numpy水平拼接数组 #

先将向量列转换为二维数组，再通过hstack合并：

import numpy as np
from sklearn.linear_model import LogisticRegression

y = training_data["relevant"]
# 将向量列转为二维numpy数组
query_features = np.array(training_data["query vector"].tolist())
doc_features = np.array(training_data["doc vector"].tolist())
# 水平拼接两个特征数组，得到最终输入矩阵
X = np.hstack([query_features, doc_features])

clf = LogisticRegression()
clf.fit(X, y)

报错原因说明 #

之前出现ValueError: setting an array element with a sequence是因为直接传入DataFrame时，数据是嵌套的列表结构，Sklearn无法识别这种格式。必须将每个样本的两个向量合并为一个一维特征，最终输入矩阵的形状应为(样本数量, 查询向量长度+文档向量长度)，才能被模型正确处理。

内容的提问来源于stack exchange，提问作者LimeFire