我正在尝试创建一个AI，它可以读取我的数据集，并判断输入数据是否为1或0
我的数据集有一个定性数据列和一个布尔值列。以下是其中的一个样本：
导入库:
import pandas as pdimport numpy as npimport seaborn as snsimport matplotlib.pyplot as pltfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import accuracy_scorefrom sklearn.metrics import classification_reportimport reimport string打开并清理数据集:
saisei_data = saisei_data.dropna(how='any',axis=0) saisei_data = saisei_data.sample(frac=1)X = saisei_data['Data']y = saisei_data['Conscious']saisei_data向量化:
from sklearn.feature_extraction.text import TfidfVectorizervectorization = TfidfVectorizer()xv_train = vectorization.fit_transform(X_train)xv_test = vectorization.fit_transform(X_test)示例算法 – 逻辑回归:
LR = LogisticRegression()LR.fit(xv_train,y_train)pred_lr=LR.predict(xv_test) # 这里我遇到了错误在使用逻辑回归算法进行预测之前，一切都运行正常。
错误:
ValueError: X has 112 features per sample; expecting 23这似乎会变成类似这样的错误，例如:
ValueError: X has 92 features per sample; expecting 45我对机器学习是新手，所以在使用这些算法时我并不完全清楚自己在做什么，但我尝试打印了xv_test变量，以下是输出样本（也经常变化）:
有什么想法吗？
回答：
这是因为你错误地对测试数据应用了.fit_transform()；在这种情况下，你很幸运地得到了一个编程错误，从而提醒你方法上出了问题（但并不是总是这样的）。
我们从不对未见（测试）数据应用.fit()或.fit_transform()。拟合应该只对训练数据进行一次，就像你在这里做的那样:
xv_train = vectorization.fit_transform(X_train)对于未见（测试）数据的后续转换，我们只使用.transform()。所以，你的下一行应该是
xv_test = vectorization.transform(X_test)这样，测试集中的特征将与训练集中的特征相同，这才是正确的做法。
请注意文档中这两种方法的区别（强调我的）:
学习词汇和idf，返回文档-词矩阵。
将文档转换为文档-词矩阵。
使用通过fit（或fit_transform）学习的词汇和文档频率（df）。
并记住，我们永远不会使用测试集来学习任何东西。
所以，一个简单的通用助记规则，几乎在任何地方都适用:
术语“fit”和“测试数据”总是（总是…）不兼容的；混合使用它们会造成混乱。
