我遇到了这个错误。请给我一些解决建议。这里是我的代码。我从train.csv中获取训练数据，从另一个文件test.csv中获取测试数据。我是机器学习的新手，所以我不明白问题出在哪里。请给我一些建议。

import quandl,math    import numpy as np    import pandas as pd    import matplotlib.pyplot as pltfrom matplotlib import styleimport datetimefrom sklearn.ensemble import RandomForestClassifierfrom sklearn.preprocessing import LabelEncoderfrom sklearn.feature_extraction.text import CountVectorizerfrom sklearn import metricstrain = pd.read_csv("train.csv", index_col=None)test = pd.read_csv("test.csv", index_col=None)vectorizer = CountVectorizer(min_df=1)X1 = vectorizer.fit_transform(train['question'])Y1 = vectorizer.fit_transform(test['testing'])X=X1.toarray()Y=Y1.toarray()#print(Y.shape)number=LabelEncoder()train['answer']=number.fit_transform(train['answer'].astype('str'))features = ['question','answer']y = train['answer']clf=RandomForestClassifier(n_estimators=100)clf.fit(X[:25],y)predicted_result=clf.predict(Y[17])p_result=number.inverse_transform(predicted_result)f = open('output.txt', 'w')t=str(p_result)f.write(t)print(p_result)

回答：

你的代码存在多个问题。但与这个问题相关的是，你在训练和测试数据上都对CountVectorizer (vectorizer)进行了拟合，这就是为什么你得到了不同的特征。

你应该做的是：

X1 = vectorizer.fit_transform(train['question'])# 以下这行已更改Y1 = vectorizer.transform(test['testing'])

输入图片描述我在使用随机森林分类器时遇到了这个错误。以下是我的代码：

import quandl, math
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import style
import datetime
from sklearn.ensemble import RandomForestClassifier
from sklearn.preprocessing import LabelEncoder
from sklearn.feature_extraction.text import CountVectorizer
train = pd.read_csv("train.csv", index_col=None)
vectorizer = CountVectorizer(min_df=1)
X1 = vectorizer.fit_transform(train['question'])
X=X1.toarray()
corpus=['tell me your name']
t1= vectorizer.fit_transform(corpus)
t=t1.toarray()
number=LabelEncoder()
train['answer']=number.fit_transform(train['answer'].astype('str'))
features = ['question','answer']
y= train['question'].values
clf=RandomForestClassifier(n_estimators=20)
clf.fit(X,y)
predicted_result=clf.predict(t)

回答：

对于训练数据和测试数据，请使用相同的训练过的向量化器。如果第二次再次拟合数据，它将仅基于这组新数据生成向量。

X1 = vectorizer.fit_transform(train['question'])
t1= vectorizer.transform(corpus)