sklearn.exceptions.NotFittedError: Vocabulary not fitted or provided

`sklearn.exceptions.NotFittedError: Vocabulary not fitted or provided` 是Scikit-Learn库中常见的错误，它发生在尝试使用已经拟合（fitted）过的特征转换器（如`CountVectorizer`、`TfidfVectorizer`）处理新数据之前，但是该转换器尚未经过`fit`操作。

具体来说，当你试图通过`transform`方法对新的数据进行转化时，`vectorizer`需要先通过`fit`方法了解训练数据的词汇分布（即`vocabulary`）。如果直接调用了`transform`而没有先调用`fit`，就会抛出这个异常，因为系统不知道如何将新的文本映射到已学习的词汇表中。

解决这个问题的方法是在使用`transform`之前，确保你已经用相似的训练数据调用过`fit`方法：

vectorizer = CountVectorizer()  # 初始化
vectorizer.fit(train_data)  # 对训练数据进行词汇表构建
test_data_transformed = vectorizer.transform(test_data)  # 现在可以安全地对测试数据进行转换

如果你忘记了这一步，或者不确定是否已经调用过`fit`，你可以检查一下`vectorizer`是否具有`vocabulary_`属性，如果没有，则意味着它还没被适配：

if 'vocabulary_' in vectorizer.__dict__:
    print("Vocabulary is already fitted.")
else:
    raise NotFittedError