我正在尝试对一组训练文本进行分类，以便用于预测测试文本集中的相似文本。我使用的是单类SVM模型。’author_corpus’包含由单一作者撰写的文本列表，而’test_corpus’包含由其他作者和原作者撰写的文本列表。我试图使用单类SVM来识别测试文本中的作者。

def analyse_corpus(author_corpus, test_corpus):    vectorizer = TfidfVectorizer()    author_vectors = vectorizer.fit_transform(author_corpus)    test_vectors = vectorizer.fit_transform(test_corpus)    model = OneClassSVM(gamma='auto')    model.fit(author_vectors)    test = model.predict(test_vectors)

我遇到了如下值错误：

X.shape[1] = 2484 should be equal to 1478, the number of features at training time

考虑到训练集中只有单一作者，如何实现这个模型以准确预测测试集中文本的作者身份？任何帮助都将不胜感激。

供参考，这是单类SVM模型指南的链接：https://scikit-learn.org/stable/modules/generated/sklearn.svm.OneClassSVM.html#sklearn.svm.OneClassSVM

回答：

您应该在train数据上fit（训练）模型，并使用训练好的模型在test数据上进行预测。

• fit：拟合（训练）模型
• fit_transform：拟合模型然后进行预测
• transform：进行预测

您犯的错误是

test_vectors = vectorizer.fit_transform(test_corpus)

样例用法

from sklearn.datasets import fetch_20newsgroupsfrom sklearn.feature_extraction.text import TfidfVectorizertrain = fetch_20newsgroups(subset='train', categories=['alt.atheism'], shuffle=True, random_state=42).datatest =  fetch_20newsgroups(subset='train', categories=['alt.atheism', 'soc.religion.christian'], shuffle=True, random_state=42).datavectorizer = TfidfVectorizer()train_vectors = vectorizer.fit_transform(train)test_vectors = vectorizer.transform(test)model = OneClassSVM(gamma='auto')model.fit(train_vectors)test_predictions = model.predict(test_vectors)