Python 用词袋法预测文本

我正在尝试使用单词袋模型进行文本分类。在我使用测试集测试和评估准确性之前，一切都正常，但我们如何检查单个语句的类

我有一个带有2个类标签和主体的数据框

cout_vect = CountVectorizer()
final_count = cout_vect.fit_transform(df['body'].values.astype('U'))

from sklearn.model_selection import train_test_split
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from keras.utils import np_utils
X_train, X_test, y_train, y_test = train_test_split(final_count, df['label'], test_size = .3, random_state=25)

model = Sequential()
model.add(Dense(264, input_dim=X_train.shape[1], activation='relu'))
model.add(Dense(128, activation='relu'))
model.add(Dense(64, activation='relu'))
model.add(Dense(32, activation='relu'))
model.add(Dense(16, activation='relu'))
model.add(Dense(8, activation='relu'))
model.add(Dense(3, activation='softmax'))

model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
y_train = np_utils.to_categorical(y_train, num_classes=3)
y_test = np_utils.to_categorical(y_test, num_classes=3)

model.fit(X_train, y_train, epochs=50, batch_size=32)
model.evaluate(x=X_test, y=y_test, batch_size=None, verbose=1, sample_weight=None)

现在我想用我的模型来预测这句话。如何做到这一点 我尝试使用计数向量器将我的语句转换为向量，但根据单词袋方法，它只是一个8维向量

x = "Your account balance has been deducted for 4300"
model.predict(x, batch_size=None, verbose=0, steps=None)

您需要这样做：

# First transform the sentence to bag-of-words according to the already learnt vocabulary
x = cout_vect.transform([x])

# Then send the feature vector to the predict
print(model.predict(x, batch_size=None, verbose=0, steps=None))

您还没有展示如何“我尝试使用计数向量器将我的语句转换为向量，但根据单词袋方法，它只是一个8维向量”，但我猜您是这样做的：

cout_vect.fit_transform([x])

如果调用

fit（）

（或

fit\u transform（）

），矢量器将忘记所有以前的训练，只记住当前的vocab，因此您只得到大小为8的特征向量，而以前的向量大小更大