小编Lab*_*bba的帖子

我目前有一个 SVM 模型，可以将文本分为两个不同的类别。我目前正在使用 CountVectorizer 和 TfidfTransformer 来创建我的“词向量”。

问题是，当我首先转换所有文本然后将其拆分时，我认为我可能以错误的顺序进行操作。

我的问题是，如果我先执行train_test_split，然后仅对训练数据执行fit_transform，然后对测试数据进行转换，会有什么区别吗？

正确的做法是什么？

非常感谢，祝您编码愉快！

count_vect = CountVectorizer(stop_words='english')
X_counts = count_vect.fit_transform(textList)

tfidf_transformer = TfidfTransformer()
X_tfidf = tfidf_transformer.fit_transform(X_counts)

X_train, X_test, y_train, y_test = train_test_split(X_tfidf, correctLabels, test_size=.33, random_state=17)