当使用TfidfVectorizer时，如何向量化一个样本数据？

Question

我会尽量澄清我的问题：

我训练了一个逻辑回归模型，收集了可信的tweet数据以及与新冠肺炎相关的假tweet数据。

现在我想要能够预测个别的数据。我去选择样本数据，我想得到那个特定样本的结果。

input_ = df_2['Tweets'][3]
input_

当我运行时，我得到：

“温暖的天气可能会减缓，但不会停止，冠状病毒”

试图改变这句话：

input_transformed = vectorization.fit_transform(input_)

ValueError:可以通过预期的原始文本文档，字符串对象接收。

我不接受字符串，是否只有向量化字符串的方法？或者，当涉及到一个字符串示例时，可能还有另一种方法？

存储库：https://github.com/jorgesisco/Fake-News-Detection-Machine-Learning-Pipeline/blob/main/Notebooks/Classification-Model-for-Fake-News-Detection.ipynb

在笔记本的末尾，你可以看到我想做的事情。

Answer 1

也许有，但请注意你也可以这样做：

from sklearn.feature_extraction.text import TfidfVectorizer

df = pd.DataFrame({'Tweet': ['Hello world', 'Good world']})

tfidf = TfidfVectorizer()


tfidf.fit(df)

# Similar to your syntax
tfidf.transform([df['Tweet'][0]]).todense()

# My preferred syntax:
tfidf.transform(df.loc[0, ['Tweet']]).todense()

但是，这在运行时方面是非常低效的。