CountVectorizer中fit（）的意义是什么？

Question

我有一些代码实现了naivebayes垃圾邮件分类器，并实现了CountVectorizer，就像这样

from sklearn.feature_extraction.text import CountVectorizer
vect=CountVectorizer(stop_words='english')
vect.fit(x_train)
vect.vocabulary_
x_train_transformed=vect.transform(x_train)
y_train_transformed=vect.transform(x_test)
print(type(x_train_transformed))
print(x_train_transformed)

在这里fit（）的意义是什么？为什么我们只拟合 x_train 而不能拟合 x_test ，而是同时转换 x_train和x_test ？

我知道CountVectorizer的转换方法将数据帧转换成单词包（正如他们所说的那样），但是fit（）方法的意义在这里是什么？

Answer 1

如documentation所述，fit方法“学习原始文档中所有标记的词汇词典”，即它创建标记词典（默认情况下，标记是用空格分隔的单词和标点符号），将每个单个令牌映射到输出矩阵中的某个位置。拟合训练集并转换训练和测试集可确保给定一个单词，单词始终正确地映射在训练和测试集中的同一列上。