我创建了一个多类别分类模型，使用了Linear SVM。但我无法对新加载的数据框（我的基础数据需要分类）进行分类，我遇到了以下错误。

我应该如何将我的新文本(df.reason_text)转换为TFID并使用我的模型进行分类（调用model.prediction(?)）？

训练模型

from sklearn.feature_extraction.text import TfidfVectorizertfidf = TfidfVectorizer(ngram_range=(1,2), stop_words=stopwords) features = tfidf.fit_transform(training.Description).toarray()labels = training.category_idmodel = LinearSVC()X_train, X_test, y_train, y_test, indices_train, indices_test = train_test_split(features, labels, training.index, test_size=0.33, random_state=0)model.fit(X_train, y_train)y_pred = model.predict(X_test)

现在我无法将我的新数据框转换以进行分类

加载新数据框进行分类

from pyathena import connectimport pandas as pdconn = connect(s3_staging_dir='s3://athenaxxxxxxxx/result/',                    region_name='us-east-2')df = pd.read_sql("select * from data.classification_text_reason", conn)features2 = tfidf.fit_transform(df.reason_text).toarray()features2.shape

当我用TFID转换新的数据框文本并对其进行排序后，我得到了以下消息

y_pred1 = model.predict(features2)

错误

ValueError: X has 1272 features per sample; expecting 5319

‘

回答：

当你加载一个新的DF进行分类时，你再次调用了fit_tranform()，但你应该只调用transform()。

fit_transform() 描述: Learn vocabulary and idf, return term-document matrix.

transform() 描述: Transform documents to document-term matrix.

你需要使用训练算法时创建的变换器，所以代码应该是：

tfidf.transform(df.reason_text).toarray()

如果你仍然有特征形状错误，可能是数组的形状有问题。解决变换部分，如果错误仍然发生，请发布训练和测试数据的数组格式示例，我会继续帮助你。