我正在尝试对一些电影评论数据运行分类器。这批数据已经被分成reviews_train.txt和reviews_test.txt。我随后加载了数据，并将每个文件分成评论和标签（正面（0）或负面（1）），然后对这些数据进行向量化。以下是我的代码：

from sklearn import treefrom sklearn.metrics import accuracy_scorefrom sklearn.feature_extraction.text import TfidfVectorizer#从给定文件中读取评论及其极性def loadData(fname):    reviews=[]    labels=[]    f=open(fname)    for line in f:        review,rating=line.strip().split('\t')          reviews.append(review.lower())            labels.append(int(rating))    f.close()    return reviews,labelsrev_train,labels_train=loadData('reviews_train.txt')rev_test,labels_test=loadData('reviews_test.txt')#对输入进行向量化vectorizer = TfidfVectorizer(ngram_range=(1,2))vectors_train = vectorizer.fit_transform(rev_train)vectors_test = vectorizer.fit_transform(rev_test)clf = tree.DecisionTreeClassifier()clf = clf.fit(vectors_train, labels_train)#预测pred=clf.predict(vectors_test)#打印准确率print (accuracy_score(pred,labels_test))

然而，我不断收到这个错误：

ValueError: Number of features of the model must match the input.Model n_features is 118686 and input n_features is 34169 

我刚开始学习Python，如果这是一个简单的修复，我提前道歉。

回答：

问题就在这里：

vectorizer = TfidfVectorizer(ngram_range=(1,2))vectors_train = vectorizer.fit_transform(rev_train)vectors_test = vectorizer.fit_transform(rev_test)

你对训练数据和测试数据都调用了fit_transform。fit_transform同时创建存储在vectorizer中的模型，然后使用该模型创建向量。因为你调用了两次，发生的情况是vectors_train首先被创建并生成输出特征向量，然后你用对测试数据的第二次fit_transform调用覆盖了模型。这导致了向量大小的差异，因为你用与测试数据不同长度的特征训练了决策树。

在进行测试时，你必须用用于训练的相同模型转换数据。因此，不要对测试数据调用fit_transform – 只需使用transform来使用已创建的模型：

vectorizer = TfidfVectorizer(ngram_range=(1,2))vectors_train = vectorizer.fit_transform(rev_train)vectors_test = vectorizer.transform(rev_test) # 此处更改