Python TF IDF加权测试数据中的频率分数，使用SVC训练模型

我正在训练一个关于文本描述的预测模型和与之对应的标签。我正在使用SVC对数据语料库进行tf idf加权词频的训练。我想了解是否有一组新的datatest，而不是使用我想分类的train test split，是否应该使用tf idf对其进行矢量化。如果是，是单独对测试数据进行还是与训练数据一起进行？

通常，TfIdf矢量器仅适用于训练数据，为了以相同的格式获得测试数据，我们进行变换操作。这主要是为了避免数据泄漏。请参阅

因此，首先使用tf idf矢量器拟合和转换列车数据，然后对于任何传入的数据集，您可以使用相同的tf idf矢量器对tf idf矢量进行所需的转换

你可以这样做

x_train, x_test, y_train, y_test = train_test_split(
    x, y, test_size=0.3, random_state=101
)


transformer = TfidfTransformer()
x_train_tf = transformer.fit_transform(x_train)
x_test_tf = transformer.transform(x_test)

---

感谢您的及时回复，在测试数据TfIdf=loadtfidf Combined_80perc_v7_df5.pickle的测试数据TfIdf分数上使用训练集的TfIdf分数有意义吗？导入TfIdf模型矢量化数据帧以将输入数据馈送到模型测试中\u features=TfIdf.transformdf\u check.Text\u Combined.ToArray是否可以共享您的代码片段？这给了我们一个清晰的画面。