我想用 keras 对电子邮件进行分类，我已经有包含电子邮件的文件夹，所以我希望 keras 识别一个模型，该模型根据我已经分类的内容预测将未分类的电子邮件放在哪里。

所以我阅读了所有邮件并用熊猫创建了一个两列的数据框，一个是邮件中所有单词的列表，另一个是它所属的文件夹。

之后，我创建x_train，y_train，x_test以及y_test培训和评估我的代码。这给了我很好的结果，所以我想通过执行相同的方法对未分类的电子邮件进行分类，读取邮件对其进行标记，然后使用 pd.get_dummies 然后将其转换为一个 numpy 数组。

因为看起来预测调用只能处理 numpy 列表或 numpy 数组。

这就是问题所在，矩阵不同，因为非分类邮件中的单词数和我的数据集不同，导致形状不同，因此出现错误，我想知道如何解决。

我尝试使用，OneHotEncoder但我不知道是不是我使用它的方式，但它失败了

#lst = each row contains all the word of the folder in the list2
#lst2 = each row contains the path to a folder

data = pd.DataFrame(list(zip(lst, lst2)), columns=['text', 'folder'])

train_size = int(len(data) * .8)
train_posts = data['text'][:train_size]
train_tags = data['folder'][:train_size]

test_posts = data['text'][train_size:]
test_tags = data['folder'][train_size:]

model = Sequential()
model.add(Dense(16, input_shape=(vocab_size,)))
model.add(Activation('elu'))
model.add(Dropout(0.2))
model.add(Dense(32))
model.add(Activation('elu'))
model.add(Dropout(0.2))
model.add(Dense(16))
model.add(Activation('elu'))
model.add(Dropout(0.2))
model.add(Dense(num_labels))
model.add(Activation('sigmoid'))
model.summary()

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
history = model.fit(x_train, y_train, batch_size=batch_size, epochs=100, verbose=1, validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, batch_size=batch_size, verbose=1)

#read the non-classified mails

sentences = read_files("mail.eml")
sentences = ' '.join(sentences)
sentences = sentences.lower()
salut = unidecode.unidecode(sentences)
salut = text_to_word_sequence(salut)
salut = np.array(pd.get_dummies(salut).values)

pred = model.predict_classes(salut, batch_size=batch_size, verbose=1)

训练结果：3018/3018 [==============================] - 0s 64us/step - loss: 0.0215 - acc：0.9949 - val_loss：0.0217 - val_acc：0.9950

ValueError：检查输入时出错：预期dense_1_input具有形状（3773，）但得到形状为（111，）的数组

我总共使用了 3773 个单词，我将它们分成 x_train 和 x_test 训练长度是 3773 的 80% 所以 3018 其余 (775) 用于测试

traning_time（适合）

3018/3018 [==============================] - 0s 67us/step - loss: 0.0225 - acc: 0.9950 - val_loss ：0.0221 - val_acc：0.9950

test_time（评估）

755/755 [==============================] - 0s 25us/步

评估结果

测试分数：0.022089334732748024 测试准确度：0.9950132541309129

我忘了说 read_files 调用只是我做的一个函数，它读取文件并返回邮件中所有单词的列表

我测试通过添加尽可能多的列（全零）来匹配 3773 长度来完成长度 111 的矩阵，这确实有效，但矩阵肯定是错误的，这给了我很差的结果，而我有很高的“准确度” " 和 "val_accuracy"

如果您知道如何解决，请说出您的任何想法