假设我有两个文本文件。文件1包含训练集，该训练集主要用于定义词汇表。文件2是用户输入的单词。
d1 = (
"Project 1 details on Machine learning",
"Project 2 detail on machine learning and statics",
"Project 3 is on mach learn as well"
)
d2 = (
"Projects related to machine learning"
)
现在使用sklearn，我们找到d1的tfidf
from sklearn.feature_extraction.text import TfidfVectorizer
tfidf_vectorizer = TfidfVectorizer()
tfidf_matrix = tfidf_vectorizer.fit_transform(documents)
print( tfidf_matrix.shape)
现在对于查询d2，我想基于从d1中学到的知识来计算tfidf向量。我该怎么办？
答案 0 :(得分：0)
与SKLearn中的任何变压器一样，将.fit放在火车上（在本例中为.fit_transform(d1)）上，可以将transform与{ {1}}
答案 1 :(得分：0)
您可以将第一个矢量化器的vocabulary_属性作为参数传递给第二个矢量化器：
from sklearn.feature_extraction.text import TfidfVectorizer
vectorizer1 = TfidfVectorizer()
vectorizer2 = TfidfVectorizer()
vectorizer1.fit_transform(d1)
vectorizer2 = TfidfVectorizer(vocabulary=vectorizer1.vocabulary_)
vectorizer2.fit_transform(d2)