在我的SVM中，我使用tf-idf对文档进行特征提取。这些tf-idf是在所有训练文档上计算的。

现在当我得到一个需要分类的测试文档时，我如何为它生成向量？

我在计算tf-idf之前进行了词干提取。我也可以对测试文档进行同样的处理。我有训练文档的词频统计(count_of_words)。

在计算测试文档的tf-idf时，我应该增加训练文档词频统计中已有的词的计数，还是直接使用这些统计数据？

回答：

以与训练时相同的方式计算它们，但要使用基于训练文档的idf和来自测试文档的tf。如果有许多新文档进来，只需不时更新训练数据并重新训练你的模型即可。