如何解决模型的特征数量必须与输入匹配模型 n_features 为 7985，输入 n_features 为 1
我用随机森林构建了一个垃圾邮件分类器，并想创建一个单独的函数来将文本消息分类为垃圾邮件或火腿，我尝试了：
def predict_message(pred_text):
pred_text=[pred_text]
pred_text2 = tfidf_vect.fit_transform(pred_text)
pred_features = pd.DataFrame(pred_text2.toarray())
prediction = rf_model.predict(pred_features)
return (prediction)
pred_text = "how are you doing today?"
prediction = predict_message(pred_text)
print(prediction)
但它给了我错误：
The number of features of the model must match the input.
Model n_features is 7985 and input n_features is 1
我看不到问题，我怎样才能使它起作用？
解决方法
通过调用 tfidf_vect.fit_transform(pred_text)，您的矢量化器会丢失它从原始训练语料库中获得的任何信息。
您应该只调用 transform。
以下更改应该会有所帮助：
def predict_message(pred_text):
pred_text=[pred_text]
pred_text2 = tfidf_vect.transform(pred_text) # Changed
prediction = rf_model.predict(pred_text2)
return (prediction)
pred_text = "how are you doing today?"
prediction = predict_message(pred_text)
print(prediction)
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。