ValueError：模型的特征数量必须与输入匹配（sklearn）

Posted 2023-03-12

【中文标题】ValueError：模型的特征数量必须与输入匹配（sklearn）

【英文标题】：ValueError: Number of features of the model must match the input (sklearn)

【发布时间】：2019-03-28 06:05:51

【问题描述】：

我正在尝试对一些电影评论数据运行分类器。数据已经被分成reviews_train.txt 和reviews_test.txt。然后我加载数据并将每个数据分成评论和标签（正（0）或负（1）），然后对这些数据进行矢量化。这是我的代码：

from sklearn import tree
from sklearn.metrics import accuracy_score
from sklearn.feature_extraction.text import TfidfVectorizer
#read the reviews and their polarities from a given file

def loadData(fname):
    reviews=[]
    labels=[]
    f=open(fname)
    for line in f:
        review,rating=line.strip().split('\t')  
        reviews.append(review.lower())    
        labels.append(int(rating))
    f.close()

    return reviews,labels

rev_train,labels_train=loadData('reviews_train.txt')
rev_test,labels_test=loadData('reviews_test.txt')

#vectorizing the input
vectorizer = TfidfVectorizer(ngram_range=(1,2))
vectors_train = vectorizer.fit_transform(rev_train)
vectors_test = vectorizer.fit_transform(rev_test)

clf = tree.DecisionTreeClassifier()
clf = clf.fit(vectors_train, labels_train)

#prediction
pred=clf.predict(vectors_test)
#print accuracy

print (accuracy_score(pred,labels_test))

但我不断收到此错误：

ValueError: Number of features of the model must match the input.
Model n_features is 118686 and input n_features is 34169 

我对 Python 很陌生，所以如果这是一个简单的修复，我提前道歉。

【问题讨论】：

错误信息有什么不清楚的地方？

【参考方案1】：

问题就在这里：

vectorizer = TfidfVectorizer(ngram_range=(1,2))
vectors_train = vectorizer.fit_transform(rev_train)
vectors_test = vectorizer.fit_transform(rev_test)

您在训练和测试数据上都调用fit_transform。 fit_transform 同时创建存储在vectorizer 中的模型，然后使用该模型创建向量。因为您调用了两次，所以首先创建了 vectors_train 并生成了输出特征向量，然后您使用测试数据对 fit_transform 的第二次调用覆盖了模型。与测试数据相比，这会导致向量大小的差异，因为您使用不同长度的特征训练决策树。

执行测试时，您必须使用用于训练的相同模型转换数据。因此，不要在测试数据上调用fit_transform - 只需使用transform 而不是使用已经创建的模型：

vectorizer = TfidfVectorizer(ngram_range=(1,2))
vectors_train = vectorizer.fit_transform(rev_train)
vectors_test = vectorizer.transform(rev_test) # Change here

【讨论】：

这更有意义。刚刚做出改变，它的工作原理！谢谢！

@C.G 完全没问题。不客气，欢迎来到 Stack Overflow！