Python CountVectorier拟合整个数据或仅列车数据

我的数据包含分类问题的字母序列。我可以使用kmer（形成3个字母的单词）将这些序列转换为数字数据，将它们连接起来，并使用CountVectorier（单词在序列实例中出现的次数），得到数字矩阵

我使用

train\u test\u split

功能分割数据

正如我们在培训时所知，不应该有任何测试数据的信息。如果在整个数据上安装了计数向量器，那么测试中的唯一单词也将是已知的

---

我说的对吗？CountVectorier需要安装在列车数据上（仅来自列车数据的唯一字），并使用此cv转换列车和测试数据？

是的，您是对的，您不想将任何信息从测试数据泄漏到列车数据上，所以“CountVectorier需要安装在列车数据上”（仅来自列车数据的唯一词语）并使用此cv“转换列车和测试数据”是正确的做法。

谢谢Mostafa！！