Python 如何解决tf idf词汇错误？

我在我的训练数据上从sklearn训练TFIDF，当我在新数据上应用词汇表时，它会给我一个关键错误，因为它没有在上面学习。 我怎样才能解决它

这是我的密码

def功能_工程（自身，输入）：
x=[输入序列的自分析仪（序列）]
返回x
def配合（自身、输入）：
如果自我词汇和自我分析：
通过
其他：
矢量器=TFIDF矢量器(
ngram_range=（self.config_dict[“min_n_gram”]、self.config_dict[“max_n_gram”]），小写=False，
停止（单词=无，最小值=2）
矢量器拟合（输入）
self.analyzer=vectorizer.build_analyzer（）
self.词汇=矢量器.vocabulary_
保存对象（os.path.join（self.feature\u extraction\u文件夹，“analyzer.pickle”），self.analyzer）
保存对象（os.path.join（self.feature\u extraction\u文件夹，“词汇表.pickle”）、self.词汇表）
def转换（自身，输入）：
vocab_size=len（自我词汇）
输入=自特性工程（输入）
inputs=[[self.词汇表[x]用于l中的x]用于l中的输入]##此行生成错误
返回np.数组（输入）

使用if语句解决我的问题

inputs=[[self.词汇表[x]表示输入中的x，如果self.词汇表中的x表示输入中的l]```

发生了什么错误？该错误是一个关键错误，它产生的原因是该标记不在词汇表中