Python 在训练/测试之后，如何使用全新的数据测试朴素贝叶斯分类器？

我训练/测试了一个二进制分类器，根据类将输出设置为0或1。它就像一个垃圾邮件分类器。现在，我有一些额外的数据，我只想测试它们并得到一个输出数组，如：

[0 1 0 0 0... 1 0]

以下是我所做的：

我使用pandas库创建了一个数据帧

def dataFromDirectory(path):
    rows = []
    index = []
    for filename, message in readFiles(path):
        rows.append({'resume': message})
        index.append(filename)

    return DataFrame(rows, index=index)

test= DataFrame({'resume':[]})
test=test.append(dataFromDirectory(r'<folder path>'))

将在两列中分别给出txt文件的文件路径和内容的5x2数组。大概是这样的：

         | data   |
<path1>  | <text> |
<path2>  | <text> |
<path3>  | <text> |
 .  
 .
 .

我得到的输出是

[0]

---

我做错了什么？请注意，我使用的是Python3。

您应该发布完整的代码和一些

test

的示例。什么是Tfidf向量机？@VivekKumar是的，它是Tfidf向量机什么是

测试
。我的意思是它包含文本列表还是单个文本，或者文件列表？打印
test
和
testtf
的形状。testtf是在我使用Tf-Idf对测试进行矢量化之后。这应该像垃圾邮件分类器一样工作。比如，我有10个.txt文件，当我执行mnb.predict（testtf）时，输出应该是一个包含10个元素的数组。发布
test.shape
并尝试
testtf=tf.transform（test['resume']）
。
testtf=tf.transform(test) #tf is the Tf-Idf vectorizer
pred1=mnb.predict(testtf) #MultinomialNaiveBayes is mnb

[0]