Python 3.x 如何使用估计器对文本进行分类？

我用以下方法培训了估计员：

def train_estimator(feature_list, expected_values, k=5):
    pipeline = Pipeline([('vect', CountVectorizer(input='filename', stop_words='english')),
                         ('clf', MultinomialNB())])

    parameters = {'vect__ngram_range':[(1, 1), (1, 2), (1, 3)],
                  'vect__min_df':[0.001, 0.01, 0.02, 0.05, 0.1],
                  'vect__max_df':[0.85, 0.90, 0.95, 0.99, 1.0],
                  'clf__alpha':[0.001, 0.01, 0.1, 0.2, 0.5, 1.0]}

    gs_clf = GridSearchCV(pipeline, parameters, n_jobs=6, cv=k, verbose=1, refit=True, scoring='roc_auc')
    gs_clf.fit(feature_list, expected_values)

    return gs_clf.best_estimator_

现在我需要用这个估计器对一些文本进行分类，但不清楚如何正确地对文本进行矢量化

我需要对

文本进行向量化，然后用向量调用
estimator.predict（）
。问题是，该向量必须与用于训练
估计器的向量一致（单词
foobar
必须与用于训练模型的向量具有相同的索引）。文档中不清楚如何以这种方式将
文本
矢量化

如何编写这个
predict（）
函数

def predict(estimator, text):
    # Vectorize text and call estimator.predict()

编辑

功能列表
和
预期值
如下所示：

def fetch_training_set(doc_iterator):
    files, labels = list(), list()
    for row in doc_iterator:
        filename = 'somepath/%s.txt' % random()
        with open(filename, 'w', encoding='utf-8') as f:
            f.write(row['text'])

        files.append(filename)
        labels.append(row['label'])

    feature_list = np.array(files)
    expected_values = np.array(labels)

    return feature_list, expected_values

我认为添加额外的函数
train\u estimator
和
predict
会使事情变得复杂

gs_clf = GridSearchCV(pipeline, parameters, n_jobs=6, cv=k, verbose=1, refit=True, scoring='roc_auc')
gs_clf.fit(feature_list, expected_values)
gs_clf.predict(your_data)

我将完成这项工作（最后一行）。由于您重新安装了管道（
refit=True
），因此，
gs_clf
使用网格搜索找到的最佳参数重新安装。然后，
gs\u clf.predict
将调用管道中每个成员的
predict
函数作为管道。
什么是
feature\u list
？原始文本？@Vivek Kumar
feature\u list
是一个文件名列表。每个文件都包含文本。@Vivek Kumar
feature\u list
实际上是文件名的
np.array（）
。我用更多信息更新了问题。你的数据是什么？它是文本还是特征向量？通常是文本。但是由于CountVectorizer的输入是filename，所以我也应该尝试使用filename。