在下面的R代码中，我已经包含了用于比较手动分类与词典结果的句子，按正面、负面和中性分类（在matrixdata1中）。模型的算法结果在表格中产生了不同的结果，这是好的。然而，当执行以下代码时
"results2 = classify_models(container2, models)"..当向模型输入新数据(matrixdata2)时，会产生一个错误消息：
"Error in predict.svm(model, container@classification_matrix, prob = TRUE, : test data does not match model !"请问您能帮助解决这个问题吗？
更新(2020/04/17)：
我现在明白，用于创建模型的训练集句子包含特定的词语，但输入模型的新数据包含了训练集中未识别的新词。我在想如何克服这个问题。我正在考虑的几个选项如下：
-
限制新数据中的句子，只包含训练集中有的词，
-
或者指导机器学习去查阅词典以查找额外的词，
-
或者让机器学习过程识别匹配和不匹配的词，简单地回复“我不知道”。
您认为克服这个问题的更好选项是什么？这将如何重塑下面的R代码？
#加载库
library(RTextTools) #RTextTools适用于3.4.1版本
library(e1071)
library(gmodels)
setwd(directory/path)
text= read.csv("matrixdata1.csv", header = FALSE)
# 构建文档词矩阵
matrix= create_matrix(text[,1:2])
mat = as.matrix(matrix)
# 构建数据以指定响应变量、训练集、测试集
container = create_container(mat, as.numeric(as.factor(text[,3])), trainSize=1:672, testSize=673:840,virgin=FALSE)
models = train_models(container, algorithms=c("MAXENT" , "SVM", "RF", "BAGGING", "TREE"), set_heldout = 168) #container1
results1 = classify_models(container, models)
text2 = read.csv("matrixdata2.csv", header = FALSE)
matrix2= create_matrix(text2[,1:2])
mat2 = as.matrix(matrix2)
container2 = create_container(mat2, labels=NULL, trainSize=1:500,testSize=NULL, virgin=TRUE)
#向模型输入新数据的结果
#运行以下代码时，会产生上述问题描述中的错误消息
results2 = classify_models(container2, models)回答：
问题在于创建第二个矩阵时，我需要参考第一个矩阵DTM，这可以在第二个create_matrix()中使用参数“originalMatrix”来实现。此外，在创建这两个矩阵时，我只需要参考第一列的文本。这些修改将允许新数据与模型进行比较。
