ValueError: operands could not be broadcast together with shapes in Naive bayes classifi ValueError: 操作数的形状不能与朴素贝叶斯分类中进行广播

Question

直截了当：

1）我的目标是应用NLP和机器学习算法将包含句子的数据集分为5种不同类型的类别（数值）。例如，“我想知道我的订单详情->1”。

代码：

import numpy as np
import pandas as pd

dataset = pd.read_csv('Ecom.tsv', delimiter = '\t', quoting = 3)

import re
import nltk
nltk.download('stopwords')
from nltk.corpus import stopwords
from nltk.stem.porter import PorterStemmer

corpus = []
for i in range(0, len(dataset)):
    review = re.sub('[^a-zA-Z]', ' ', dataset['User'][i])
    review = review.lower()
    review = review.split()
    ps = PorterStemmer()
    review = [ps.stem(word) for word in review if not word in set(stopwords.words('english'))]
    review = ' '.join(review)
    corpus.append(review)

# # Creating the Bag of Words model
from sklearn.feature_extraction.text import CountVectorizer
cv = CountVectorizer()
X = cv.fit_transform(corpus).toarray()
y = dataset.iloc[:, 1].values

# Splitting the dataset into the Training set and Test set
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.20, random_state = 0)

# Fitting Naive Bayes to the Training set
from sklearn.naive_bayes import GaussianNB
classifier = GaussianNB()
classifier.fit(X_train, y_train)

# Predicting the Test set results
y_pred = classifier.predict(X_test)

# Making the Confusion Matrix
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(y_test, y_pred)

这里一切都很好，模型经过很好的训练，可以为测试数据预测正确的结果。在

2）现在我想用这个经过训练的模型来预测一个新句子的类别。所以我用数据集的方式对文本进行预处理。在

代码：

^{pr2}$

值错误：操作数无法与形状（4,4）（33，）一起广播。

我唯一能理解的是，当我第一次训练模型时，当我转换我的语料库时，numpy数组的形状是（18，33）。第二次当我试图预测一个新的输入时，当我使用fit_transform（）转换处理过的文本时，numpy数组的形状是（4，4）。在

我不知道这里是否有我申请错误的流程？什么是决议。提前谢谢！：）

Answer 1

你把问题搞定了！在

假设你有一个由33个不同单词组成的语料库，那么在训练时你的单词包将有33列。现在你使用的是另一个只有4个不同单词的语料库。最后得到一个有4列的矩阵，模型不会喜欢的！因此，您需要将第二个语料库放在与开始时相同的单词包矩阵中，共有33列。有不同的方法可以做到这一点，很好地解释了here。在

例如，一种方法是用fit()保存训练时使用的transform对象，然后在测试时应用它（仅transform()）！在