Pickle模型加载后调用predict_proba报错：特征数不匹配问题排查

嘿，我瞅了下你的问题，这情况我之前也碰到过！核心问题就是你只序列化了模型，但没把TfidfVectorizer也保存下来——毕竟训练时的特征转换逻辑得和预测时完全一致才行。

为什么会触发这个ValueError？ #

• 训练过程中，你用TfidfVectorizer把文本数据转换成了319维的特征向量，模型是基于这个319维的特征空间训练的。
• 但加载模型后，你直接把原始文本传给predict_proba，此时输入相当于只有1个“原始文本特征”，和模型预期的319维特征完全不匹配，自然就报错了。

具体解决步骤 #

1. 同时序列化向量器和模型

训练完成后，别只存模型，把TfidfVectorizer和训练好的模型打包在一起保存：

# 假设你已经完成了训练，tfidf_vectorizer是初始化并拟合过的向量器实例，calibrated_model是训练好的模型
saved_objects = {
    'vectorizer': tfidf_vectorizer,
    'model': calibrated_model
}

# 序列化保存到文件
with open('model_with_vectorizer.pkl', 'wb') as f:
    pickle.dump(saved_objects, f)

2. 加载时先还原向量器，再转换输入

加载模型时，先把向量器和模型都读出来，用向量器把新输入转换成和训练时一致维度的特征，再传给模型预测：

# 加载保存的对象
with open('model_with_vectorizer.pkl', 'rb') as f:
    saved_objects = pickle.load(f)

vectorizer = saved_objects['vectorizer']
model = saved_objects['model']

# 处理新输入文本
new_input_text = ["需要预测的文本内容"]
# 用向量器转换特征（注意这里用transform，不是fit_transform！）
transformed_features = vectorizer.transform(new_input_text)

# 现在可以正常调用predict_proba了
probabilities = model.predict_proba(transformed_features)

3. 确认训练流程的正确性

顺便检查下你训练时的特征转换流程有没有问题，正确的流程应该是这样的：

# 初始化向量器
tfidf_vectorizer = TfidfVectorizer()
# 拟合训练数据并转换特征
X_train_transformed = tfidf_vectorizer.fit_transform(train_data)

# 训练模型
clf = svm.SVC()
calibrated_model = CalibratedClassifierCV(clf)
calibrated_model.fit(X_train_transformed, train_labels)

要是训练时你只做了transform没做fit，向量器没学到训练数据的特征空间，也会导致后续预测不匹配。

记住哦，所有和特征转换相关的组件（比如TF-IDF、标准化器、编码器这些）都得和模型一起保存，不然预测时的特征空间和训练时不一致，肯定会出问题的！

内容的提问来源于stack exchange，提问作者rishi