保留TFIDF结果以使用Scikit for Python预测新内容

保留TFIDF结果以使用Scikit for Python预测新内容

我通过保存成功保存了功能列表

vectorizer.vocabulary_

，并通过

CountVectorizer(depre_error="replace",vocabulary=vectorizer.vocabulary_)

以下代码：

corpus = np.array(["aaa bbb ccc", "aaa bbb ddd"])vectorizer = CountVectorizer(depre_error="replace")vec_train = vectorizer.fit_transform(corpus)#Save vectorizer.vocabulary_pickle.dump(vectorizer.vocabulary_,open("feature.pkl","wb"))#Load it latertransformer = TfidfTransformer()loaded_vec = CountVectorizer(depre_error="replace",vocabulary=pickle.load(open("feature.pkl", "rb")))tfidf = transformer.fit_transform(loaded_vec.fit_transform(np.array(["aaa ccc eee"])))

这样可行。

tfidf

具有与训练数据相同的特征长度。