我第一次玩sklearn和NLP，我想我了解我所做的一切，直到我不知道如何修复这个错误。以下是相关代码（主要改编自http://zacstewart.com/2015/04/28/document-classification-with-scikit-learn.html):

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.pipeline import Pipeline, FeatureUnion
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import TruncatedSVD
from sgboost import XGBClassifier
from pandas import DataFrame

def read_files(path):
    for article in os.listdir(path):
        with open(os.path.join(path, doc)) as f:
            text = f.read()
        yield os.path.join(path, article), text

def build_data_frame(path, classification)
    rows = []
    index = []
    for filename, text in read_files(path):
        rows.append({'text': text, 'class': classification})
        index.append(filename)
    df = DataFrame(rows, index=index)
    return df

data = DataFrame({'text': [], 'class': []})
for path, classification in SOURCES: # SOURCES is a list of tuples
    data = data.append(build_data_frame(path, classification))
data = data.reindex(np.random.permutation(data.index))

classifier = Pipeline([
    ('features', FeatureUnion([
        ('text', Pipeline([
            ('tfidf', TfidfVectorizer()),
            ('svd', TruncatedSVD(algorithm='randomized', n_components=300)
            ])),
        ('words', Pipeline([('wscaler', StandardScaler())])),
    ])),
    ('clf, XGBClassifier(silent=False)),
])
classifier.fit(data['text'].values, data['class'].values)

加载到数据框中的数据是经过预处理的文本，包括所有停止字、标点符号、unicode、大写字母等。这是我在分类器上调用fit时遇到的错误，其中。。。表示应在管道中矢量化的文档之一：

ValueError: could not convert string to float: ...

我最初认为TfidfVectorizer（）不工作，导致SVD算法出错，但在我从管道中提取每个步骤并按顺序执行之后，相同的错误只出现在XGBClassifier上。fit（）。

更让我困惑的是，我试图在解释器中一步一步地将此脚本分割开来，但当我尝试导入read_文件或build_data_frame时，我的一个字符串出现了相同的ValueError，但这仅仅是在：

from classifier import read_files

我不知道这是怎么发生的，如果有人知道我明显的错误是什么，我会非常感激。试图自己思考这些概念，但遇到这样的问题让我感到非常无能为力。