导入模型并对单一输入进行预测的代码

Tfidf_vect = TfidfVectorizer(max_features=5000) # 与模型训练时使用的分类器相同Train_X_IP = Tfidf_vect.transform(["change in the meaning"]).toarray() # 传递输入loaded_model = pickle.load(open("finalized_model.sav", 'rb')) # 加载模型predictions_SVM = loaded_model.predict_proba(Train_X_IP)print(predictions_SVM)我遇到的错误 : TfidfVectorizer - 词汇表未被拟合。

我查看了许多文章，提出了多种方法，到目前为止我尝试了

使用fit_transform替换Tfidf_vect.transform，但这没有解决问题

我尝试的第二种方法是外部加载TfidfVectorizer

Tfidf_vect = TfidfVectorizer(max_features=5000)import picklepickle.dump(Tfidf_vect, open("vectorizer.pickle", "wb"))multilabel_binarizer = joblib.load('vectorizer.pickle')仍然得到相同的错误 : TfidfVectorizer - 词汇表未被拟合。

这是使用模型和向量化的正确方法吗？

回答：

你需要使用最初训练模型时使用的相同向量化器。我假设你在训练过程中使用了“fit”或“fit_transform”函数。完成后，将向量化器保存为pickle或joblib格式。然后重新加载它，并对新数据使用transform函数来进行预测。