我正在尝试使用词袋模型进行文本分类。一切正常，直到我使用测试集进行测试和准确性评估。但是，如何检查单个语句的类别呢？

我有一个包含两个类别标签和正文的数据框架。

cout_vect = CountVectorizer()final_count = cout_vect.fit_transform(df['body'].values.astype('U'))from sklearn.model_selection import train_test_splitfrom keras.models import Sequentialfrom keras.layers import Densefrom keras.wrappers.scikit_learn import KerasClassifierfrom keras.utils import np_utilsX_train, X_test, y_train, y_test = train_test_split(final_count, df['label'], test_size = .3, random_state=25)model = Sequential()model.add(Dense(264, input_dim=X_train.shape[1], activation='relu'))model.add(Dense(128, activation='relu'))model.add(Dense(64, activation='relu'))model.add(Dense(32, activation='relu'))model.add(Dense(16, activation='relu'))model.add(Dense(8, activation='relu'))model.add(Dense(3, activation='softmax'))model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])y_train = np_utils.to_categorical(y_train, num_classes=3)y_test = np_utils.to_categorical(y_test, num_classes=3)model.fit(X_train, y_train, epochs=50, batch_size=32)model.evaluate(x=X_test, y=y_test, batch_size=None, verbose=1, sample_weight=None)

现在我想使用我的模型来预测这个语句。我尝试过使用计数向量器将我的语句转换为向量，但根据词袋方法，它只是一个8维向量。

x = "Your account balance has been deducted for 4300"model.predict(x, batch_size=None, verbose=0, steps=None)

回答：

你需要这样做：

# 首先根据已经学习到的词汇表将句子转换为词袋x = cout_vect.transform([x])# 然后将特征向量发送到预测print(model.predict(x, batch_size=None, verbose=0, steps=None))

你没有展示你是如何“尝试使用计数向量器将我的语句转换为向量，但根据词袋方法，它只是一个8维向量。”的，但我猜你是这样做的：

cout_vect.fit_transform([x])

如果你调用fit()（或fit_transform()），向量器将忘记所有之前的训练，只记住当前的词汇表，因此你只得到了一个大小为8的特征向量，而你之前的向量是更大的尺寸。