Scikit-learn混合向量与浮点特征构建分类器的报错解决问询

能否混合特征类型？ #

完全可以。scikit-learn支持将向量型特征（如你提供的10维数组）与标量型浮点特征混合使用，但必须将所有特征统一展开为一维特征向量，最终输入模型的特征矩阵必须是规则的二维数组（形状为(样本数量, 总特征数)），不能存在嵌套数组的结构。

报错原因 #

你当前的特征数组是不规则的嵌套结构：每个样本包含两个子数组和多个标量，导致X_train是一个包含序列（子数组）和标量的混合数组。scikit-learn的scaler要求输入是二维规则数组，每个元素都是标量，因此会抛出ValueError: setting an array element with a sequence错误。

解决方法 #

将每个样本中的两个向量和所有标量特征拼接成一个一维数组，再将所有样本组合成二维特征矩阵。具体步骤如下：

1. 处理单个样本 #

假设单个原始样本的结构是：

sample = [
    np.array([-0.01578492, 0.00320967, ..., 0.02262186], dtype=np.float32),
    np.array([-0.01578492, 0.00320967, ..., 0.02262186], dtype=np.float32),
    3.0, 1.0, 117.0, 101.0, 97.0, 4.0, 100.0, 3.0, 0.875, 0.875, 0.6, 0.5
]

将其拼接为一维数组：

# 提取两个向量和标量部分
vec1, vec2 = sample[0], sample[1]
scalars = np.array(sample[2:], dtype=np.float32)
# 拼接成单个一维特征向量
processed_sample = np.concatenate([vec1, vec2, scalars])

此时processed_sample的形状为(32,)（10+10+12）。

2. 处理整个训练集 #

遍历所有原始样本，重复上述拼接操作，生成二维特征矩阵：

# 假设X_raw是原始的不规则样本列表
X_train = np.array([
    np.concatenate([s[0], s[1], np.array(s[2:], dtype=np.float32)])
    for s in X_raw
])

此时X_train的形状应为(n_samples, 32)，满足scikit-learn的输入要求。

3. 重新执行标准化 #

处理完成后，即可正常使用scaler：

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
scaler.fit(X_train)
X_train_scaled = scaler.transform(X_train)

内容的提问来源于stack exchange，提问作者BaarTeek