使用Spacy词向量实现预测的正确方式及相关技术疑问

1. 如何对新句子进行预测 #

现有代码仅完成了训练与测试集评估，要对新句子做预测，需要复刻训练时的文本向量生成→特征缩放→模型预测完整流程，具体步骤如下：

• 用训练阶段加载的spaCy模型处理新句子，生成对应向量
• 用训练集拟合好的MinMaxScaler对向量做缩放（必须复用训练时的scaler，不能重新拟合）
• 用训练好的分类器完成预测，最后将数值标签转回原分类（Fake/Real）

直接在现有代码末尾添加以下预测逻辑即可：

import numpy as np

def predict_fake_real(new_text):
    # 生成新句子的向量
    doc = nlp(new_text)
    text_vector = doc.vector
    # 转换为2D数组（scaler要求输入为二维格式）
    vector_2d = text_vector.reshape(1, -1)
    # 用训练好的scaler做特征缩放
    scaled_vector = scaler.transform(vector_2d)
    # 预测数值标签并转回原分类
    pred_label_no = clf.predict(scaled_vector)[0]
    return "Real" if pred_label_no == 1 else "Fake"

# 测试示例
test_sentence1 = "White House Announces New Climate Change Initiative"
test_sentence2 = "Alien Invasion Confirmed by Secret Government Documents"
print(predict_fake_real(test_sentence1))
print(predict_fake_real(test_sentence2))

注意：nlp、scaler、clf三个对象必须是训练完成后的状态，不能重新初始化。如果需要离线复用模型，可使用joblib将scaler和分类器保存到本地文件。

2. doc.vector和doc.vector.values的区别 #

核心结论：spaCy的Doc对象的vector属性本身就是numpy.ndarray类型的数值数组，不存在.values这个属性——.values是pandas Series/DataFrame专属的属性，用于提取底层的numpy数组集合，和spaCy的向量生成逻辑无关。

你没发现差异的原因是：代码里正确使用了doc.vector生成向量，而没有尝试错误的doc.vector.values（如果写后者会直接触发AttributeError）。教程中的说法大概率是笔误，混淆了pandas的操作逻辑（比如提取Series中所有向量时会用到df.Text_vector.values）和spaCy的向量调用方式。

简单总结：

• doc.vector：正确用法，直接获取spaCy生成的句子向量（numpy数组）
• doc.vector.values：错误用法，numpy数组无此属性，会引发报错

内容的提问来源于stack exchange，提问作者Mira