看一看变压器。
由于您使用的是文本特征，tf idf representation将为每个特征（单词）指定一个数字，表示其在文本中的重要性。这种表示在基于文本的分类中非常常见。
tfidftranformer将输出一个矩阵，其中包含文件中使用的所有单词，每行表示一个文档，行中的每个单元格表示一个功能（单词），单元格中的值表示该功能的重要性。
确保以适当的格式（矩阵）将字数数据传递给它，然后使用这个tfidfttransformer的输出可以训练分类器。
（到目前为止，我还没有使用它，只使用了矢量器版本，但我看到过它可以满足您的需求的场景）。

这也许能帮助你开始。

import numpy as np
import copy
from numpy import *
from sklearn.pipeline import Pipeline
from sklearn.feature_extraction.text import CountVectorizer
from sklearn.svm import LinearSVC
from sklearn.feature_extraction.text import TfidfTransformer
from sklearn.multiclass import OneVsRestClassifier
from sklearn import preprocessing

x_temp_list = []
y_temp_list = []
y_train_text = []
temp_list = []
another_temp_list = []

with open('newtrain.csv','r') as fp:
    lines = fp.readlines()

for line in lines:
    if len(line.strip()) > 1:
        fields = line.split(',')
        if len(line.split(',')) == 2:
            x_temp_list.append(fields[0].strip())
            y_temp_list.append(fields[1].strip())

X_train = np.array(x_temp_list)
y_train_text = np.array(y_temp_list)

X_test = np.array(['Barista'])

mlb = preprocessing.LabelBinarizer()
Y = mlb.fit_transform(y_train_text)

classifier = Pipeline([
    ('vectorizer', CountVectorizer()),
    ('tfidf', TfidfTransformer()),
    ('clf', OneVsRestClassifier(LinearSVC()))])

classifier.fit(X_train, Y)
predicted = classifier.predict(X_test)
all_labels = mlb.inverse_transform(predicted)

# all_labels = lb.inverse_transform(predicted)

for item, labels in zip(X_test, all_labels):
    print '%s => %s' % (item, labels)