我有一个已经训练好的模型。我想找出新数据属于哪个类别。我进行了一些尝试，但遇到了一些问题。
with open('text_classifier', 'rb') as training_model:model = pickle.load(training_model)y_pred2 = model.predict(X_test)这段代码是可以工作的
但是…
new_test_data=["spor toto süper lig 30. hafta medipol bu akşam ev göztepe ile saat 20.30'da başla mücadele suat arslanboğa arslanboğa yardımcı serka ok ve ismail şencan"]tfidfconverter = TfidfVectorizer()new_test_data = tfidfconverter.fit_transform(new_test_data).toarray()model.predict(new_test_data)我得到了这样的错误
Number of features of the model must match the input. Model n_features is 9671 and input n_features is 25
我用来训练的代码块
data = load_files(r"...\docs",encoding="utf-8")X, y = data.data, data.targettfidfconverter = TfidfVectorizer(min_df=3, max_df=0.7)X = tfidfconverter.fit_transform(X).toarray()X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)classifier = RandomForestClassifier(n_estimators=1000, random_state=0)classifier.fit(X_train, y_train)y_pred2 = classifier.predict(X_test)回答：
我认为您需要在训练模型时指定您实际想要用作特征的数据参数。看起来您的训练模型是使用行条目作为特征，而不是每列。这可以通过读取数据，然后将其转换为CSV格式，再次读取来解决。然而，如果您已经知道数据的结构，这一步应该是没有必要的。基本上，您只需要知道数据列的名称。您将需要Pandas模块来使用这种方法。这里有一些代码…
data = load_files(r"...\docs",encoding="utf-8") data.to_csv('train_data.csv', encoding = 'utf-8', index = False)然后从CSV文件中重新读取训练数据…
train_data = pd.read_csv('train_data.csv')现在，当您调用train_test_split方法时，您应该指定想要用作数据特征的内容。这通常是数据表中的列，因为这些是用来分析的收集的指标。我定义了函数来分割数据和构建模型，指定特征，因为我认为这样更容易理解，但您也可以直接调用这些函数。
def split_dataset(dataset, train_percentage, feature_headers, target_header): train_x, test_x, train_y, test_y = train_test_split(dataset[feature_headers], dataset[target_header], train_size = train_percentage) return train_x, test_x, train_y, test_y def random_forest_classifier(features, target): model = RandomForestClassifier(n_estimators = 500, oob_score = True, n_jobs =-1,random_state = 1, min_impurity_decrease = .01) model.fit(features, target) return model现在您可以使用您的数据调用这些函数了。
train_x, test_x, train_y, test_y = split_dataset(train_data, 0.80, train_data.columns[0:24], train_data.columns[-1]) trained_model = random_forest_classifier(train_x,train_y)现在您应该能够使用25个特征对训练好的模型进行预测了。
