我已经使用sklearn的朴素贝叶斯分类器构建了一个模型。我需要知道如何预测一个输入的句子

当我直接硬编码句子时，它工作得很好，看起来像这样

new_sentence = ['its so broken']new_testdata_tfidf= tfidf.transform(new_sentence) #将其转换为矩阵以查看训练数据上的TFIDF得分fit_feature_selection = selection.transform(new_testdata_tfidf) #转换新数据以查看特征是否被移除，因为在tfidf之后我使用了chi2选择特征.predicted = classifier.predict(feature_selection )#然后进行预测。分类输出，类别是-1，这是正确答案

我需要手动输入文本数据作为输入，所以我使用了如下方式

new_sentence = input[('')] #我输入相同的句子 its so broken new_testdata_tfidf= tfidf.transform(new_sentence) #将其转换为矩阵以查看训练数据上的TFIDF得分fit_feature_selection = selection.transform(new_testdata_tfidf) #转换新数据以查看特征是否被移除，因为在tfidf之后我使用了chi2选择特征.predicted = classifier.predict(feature_selection )

但它给我输出了

  File "C:\Users\Myfile\OneDrive\Desktop\model.py", line 170, in <module>   new_testdata_tfidf= tfidf.transform(new_sentence)   File "E:\anaconda3\lib\site-packages\sklearn\feature_extraction\text.py", line 1898, in transform    X = super().transform(raw_documents)  File "E:\anaconda3\lib\site-packages\sklearn\feature_extraction\text.py", line 1265, in transform    "Iterable over raw text documents expected, "ValueError: Iterable over raw text documents expected, string object received.

如何解决这个问题？任何帮助都非常感激。

回答：

你试过将新句子作为数组传递吗？即

new_testdata_tfidf= tfidf.transform([new_sentence])

在第一个实例中，你传递了一个包含一个字符串元素的数组，而在另一个实例中，你只是传递了一个字符串