在scikit-learn k-means集羣中預測文檔時的ValueError

Question

我正在嘗試使用scikit-learn在訓練好的k-means模型中預測一羣測試文檔的集羣。

vectorizer = TfidfVectorizer(stop_words='english') 
X = vectorizer.fit_transform(train_documents) 
k = 10 
model = KMeans(n_clusters=k, init='k-means++', max_iter=100, n_init=1) 
model.fit(X) 

該模型生成沒有任何問題與10個集羣。但是，當我嘗試預測文檔列表時，出現錯誤。

predicted_cluster = model.predict(test_documents) 

錯誤消息：

ValueError異常：無法將字符串轉換爲浮動...

我需要使用PCA減少了一些功能，或做我需要做的預處理文本文件？

Answer 1

您需要按照火車轉換的相同方式轉換test_documents。

X_test = vectorizer.transform(test_documents) 
predicted_cluster = model.predict(X_test) 

確保只呼籲測試文檔transform，並使用其用於fit()或fit_transform()列車文檔相同vectorizer對象。