小编Gau*_*uli的帖子

我在一组简短的文档上训练了分类器，并在为二进制分类任务获得了合理的f1和准确性得分后对其进行了腌制。

在培训期间，我使用sciki-learn countVectorizercv 减少了功能数量：

    cv = CountVectorizer(min_df=1, ngram_range=(1, 3), max_features = 15000) 

然后使用fit_transform()和transform()方法获得转换后的训练集和测试集：

    transformed_feat_train = numpy.zeros((0,0,))
    transformed_feat_test = numpy.zeros((0,0,))

    transformed_feat_train = cv.fit_transform(trainingTextFeat).toarray()
    transformed_feat_test = cv.transform(testingTextFeat).toarray()

所有这些对于训练和测试分类器都工作良好。但是，我不知道如何使用fit_transform()，并transform()用训练过的分类为预测未，未标记的数据的标签腌版本。

我完全按照训练/测试分类器的相同方式提取未标记数据上的特征：

## load the pickled classifier for labeling
pickledClassifier = joblib.load(pickledClassifierFile)

## transform data
cv = CountVectorizer(min_df=1, ngram_range=(1, 3), max_features = 15000)
cv.fit_transform(NOT_SURE)

transformed_Feat_unlabeled = numpy.zeros((0,0,))
transformed_Feat_unlabeled = cv.transform(unlabeled_text_feat).toarray()

## predict label on unseen, unlabeled data
l_predLabel = pickledClassifier.predict(transformed_feat_unlabeled)

错误信息：

    Traceback (most recent call last): …