实现文本K-Means聚类遇Schema不匹配错误，求解决方案

错误原因 #

System.ArgumentOutOfRangeException: 'Schema mismatch for input column 'Features': expected scalar or vector of String, got VarVector<Single> (Parameter 'inputSchema')'的核心问题是原始数据模型与转换器输出列的类型冲突：

• TextData类中定义的float[] Features属性未被赋值，ML.NET自动推断其类型为Vector<Single>。
• FeaturizeText转换器会生成可变长度的特征向量（VarVector<Single>），当指定输出列名为"Features"时，与已存在的列类型冲突，触发Schema不匹配错误。

解决方案 #

1. 修正TextData类定义 #

移除TextData中冗余的Features属性，特征列由转换器生成，无需在原始数据模型中声明：

class TextData
{
    public string? Text { get; set; }
    public int Index { get; set; }
}

2. 修正簇中心获取逻辑 #

当前代码从转换后的数据中提取Centroid列会得到大量重复值（每个样本对应所属簇的中心），正确做法是从训练好的K-Means模型中直接提取所有簇的中心：

// 训练模型后，提取K-Means参数
var kmeansModel = model.LastTransformer as KMeansModelParameters;
var clusterCenters = kmeansModel.Centroids.ToArray();

3. 完整修改后的聚类循环代码 #

for (int k = 2; k <= 10; k++)
{
    // 创建管道：将文本列转换为特征向量
    var pipeline = context.Transforms.Text.FeaturizeText(
        outputColumnName: "Features", 
        inputColumnName: "Text")
        .Append(context.Clustering.Trainers.KMeans(
            featureColumnName: "Features", 
            numberOfClusters: k));

    var model = pipeline.Fit(data);
    var transformedData = model.Transform(data);

    // 获取聚类结果
    var clusterAssignments = transformedData.GetColumn<uint>("PredictedLabel").ToArray();
    var kmeansModel = model.LastTransformer as KMeansModelParameters;
    var clusterCenters = kmeansModel.Centroids.ToArray();
    var features = transformedData.GetColumn<float[]>("Features").ToArray();
    
    var silhouetteScore = ComputeSilhouetteScore(features, clusterAssignments, clusterCenters);
    silhouetteScores[k - 2] = silhouetteScore;
}

额外优化建议 #

• 处理文本中不存在"Description: "的情况，避免索引越界：

int descIndex = text.IndexOf("Description: ");
string description = descIndex == -1 ? string.Empty : text.Substring(descIndex + "Description: ".Length);

内容的提问来源于stack exchange，提问作者Gerald Hughes