如果我只是'vectorizer.transform（短语）'而不适合它会发生什么？

Question

当涉及到矢量化短语并将它们放入矩阵形式时，有些事情让我感到困惑。

导入CountVectorizer或TfidfVectorizer时，

.fit＆.transform＆.fit_transform函数有什么区别？

我知道'.fit'会学习ngrams，分成ngrams。

'.transform'会将它放入短语x ngram矩阵中。

'.fit_transform'是.fit和.transform的组合

如果是这种情况，如果我只是vectorize.transform（短语）而不适合它会发生什么？

我看到本教程设置适合和转换列车数据，但对于测试数据，它只对预测进行“转换”操作。

在此先感谢大家。

Answer 1

强调：

1. .transform(X) =将字典特征转换为2D特征矩阵。
2. .fit_transform(X) =学习功能名称+ .transform(X)

回答你的问题：

只有在使用.transform学习功能后才能使用.fit。直接应用.transform将忽略.fit中没有遇到的任何特征，因此不会输出任何分类结果。

参考文献：

• 根据http://scikit-learn.org/stable/modules/generated/sklearn.feature_extraction.DictVectorizer.html#sklearn.feature_extraction.DictVectorizer.transform的文档，.transform(X)将任何dict X（将feature_name映射到feature_values）转换为二维特征矩阵。 2D矩阵是向分类器输入条目的正确方式（根据向量数学）。
• 根据http://scikit-learn.org/stable/modules/generated/sklearn.feature_extraction.DictVectorizer.html#sklearn.feature_extraction.DictVectorizer.fit_transform，.fit_transform(X,y=None)首先，学习输入dict X中的特征名称列表（学习过程的术语称为fitting），其次，应用前一段中所述的transform程序。