我正在尝试判断新闻标题是真实的还是虚假的。
为此，我使用了’CountVectorizer’来计算每个句子中每个单词的使用次数。
问题在于句子中的单词数量不相同，因此训练集和测试集的列数不相同。
因此，程序在测试阶段无法正常工作。
# Vectorized All Datafrom sklearn.feature_extraction.text import CountVectorizervectorizer = CountVectorizer()X = vectorizer.fit_transform(sentenceInput)result = pd.DataFrame(data = X.toarray())因此，’result’变量是依赖数据。
# Naive Bayes Predictionfrom sklearn.naive_bayes import GaussianNBnb = GaussianNB()nb.fit(result,targetInput)我通过目标变量将数据教给了系统。
问题从那一点开始出现。
# Test DataX = vectorizer.fit_transform(testList)print(vectorizer.get_feature_names())print(X.toarray())testResult = pd.DataFrame(data = X.toarray())prediction = nb.predict(testResult)print(prediction)当我想在屏幕上打印’prediction’时，我得到了以下错误。
ValueError: operands could not be broadcast together with shapes (489,1828) (5273,)我不确定问题是否正是我所说的这样。
回答：
CountVectorizer实际上并不关心每个句子中有多少个单词，它的输出是一个稀疏矩阵，列是单词，行是句子，值是单词在给定句子中出现的次数，例如：卷心菜出现了3次，袋子出现了0次等。
为了使您的数据匹配，您需要使用相同的CountVectorizer，而不是重新拟合，这正是您当前在测试阶段所做的（使用.fit_transform()）。
将您的测试更改为简单的transform，这部分问题应该会消失。这将使用您在所有数据上训练的CountVectorizer，并以您用来创建模型的形式输出值。
# Test DataX = vectorizer.transform(testList)