LabelEncoder与TfidfVectorizer编码后hstack报行维度不兼容错误

• LabelEncoder.transform() 方法返回的是一维NumPy数组，形状为 (样本总数,)，在你的案例中是(145341,)
• scipy.sparse.hstack 处理一维数组时，会默认将其识别为1行的行向量，即形状被解析为(1, 145341)
• 所有通过TfidfVectorizer生成的文本特征都是二维稀疏矩阵，形状为(样本总数, 提取的特征词数)
• 两类块的行维度不一致（前者行维度=1，后者行维度=145341），因此触发维度校验报错，和日志中的报错提示完全对应。

1. 调整LabelEncoder的输出格式，把一维的编码结果转成和其他特征对齐的二维列向量稀疏矩阵
   找到原来写的LabelEncoder编码部分，替换成如下代码：

   from scipy.sparse import csr_matrix
   enc = LabelEncoder()
   enc.fit(x_train[' Round'])
   # 编码结果加维度转为(样本数, 1)的稀疏矩阵，避免维度不兼容
   round_train_le = csr_matrix(enc.transform(x_train[' Round'])).reshape(-1, 1)
   round_test_le = csr_matrix(enc.transform(x_test[' Round'])).reshape(-1, 1)
   

   这里的.reshape(-1,1)作用是把一维向量转为列向量，保证行维度和样本总数完全一致；转成csr_matrix是为了和TfidfVectorizer输出的稀疏矩阵格式统一，拼接时不会产生不必要的类型转换开销。
2. 维度对齐后，直接运行原来的hstack拼接代码即可：

   from scipy.sparse import hstack
   x_tr = hstack((round_train_le, category_train_enc, question_train_enc, answer_train_enc))
   x_te = hstack((round_test_le, category_test_enc, question_test_enc, answer_test_enc))
   

3. 可选排查技巧：拼接前可以打印每个特征块的形状，提前确认行维度是否统一，避免同类报错：

   print("训练集各特征维度：")
   print(f"Round特征: {round_train_le.shape}")
   print(f"Category特征: {category_train_enc.shape}")
   print(f"Question特征: {question_train_enc.shape}")
   print(f"Answer特征: {answer_train_enc.shape}")
   

   正常打印出来的所有特征，第一维度的数值应该和x_train.shape[0]完全一致。

内容的提问来源于stack exchange，提问作者Satyam Anand