训练数据转换为特征向量，但测试数据是字符串或文本

Question

clean_train_reviews 是 list 的 strings。

每个字符串都是一条评论，下面包含一个示例：

经典的战争世界蒂莫西·海因斯娱乐电影显然是 竭尽全力忠实再现 h g wells 经典书籍 mr 海因斯成功观看电影欣赏事实标准可预测 好莱坞票价每年都会出现，例如斯皮尔伯格版汤姆克鲁斯 半点相似的书显然每个人看起来都不一样 电影设想业余评论家看起来批评别人评价的一切 电影重要的基地，如娱乐的人从不同意评论家 享受努力，海因斯先生把忠实的 h g 威尔斯经典小说找到 娱乐性容易被忽视 批评者认为缺点

使用下面初始化的vectorizer，将上面的字符串转换成如下形式的特征向量：

(sentence_index, feature_index) 计数

一个例子是：

(0, 1905) 3

这意味着“一个 id 为 0 且 id 或索引为 1905 的特征的句子在此字符串中出现了 3 次。

vectorizer = CountVectorizer(analyzer = "word",   \
                             tokenizer = None,    \
                             preprocessor = None, \
                             stop_words = None,   \
                             max_features = 5000)

train["sentiment"] 是一串 1 和 0（1=正面情绪，0=负面情绪）

train_data_features = vectorizer.fit_transform(clean_train_reviews)
forest = RandomForestClassifier(n_estimators = 100)
forest = forest.fit( train_data_features, train["sentiment"] )

我的问题是：

随机森林在特征向量（所有数值）和情绪（同样是数值）上进行训练。但是测试数据集是纯文本英文。当训练好的模型在测试数据上运行时，模型如何知道如何处理测试数据中的纯文本，因为模型是 只对特征向量进行训练，这些向量只是数字？或者forest 对象是否保留了有关训练数据中纯文本的信息？

Answer 1

还应使用相同的矢量化器（用于创建训练矢量）将测试数据转换为特征矢量。 只有这样它才能作为模型的输入。