如何为实体提取（使用SVM或PercePtron）部署ML模型

Question

我正在尝试从空缺中提取软技能，目前我正在努力将ML型号（SVM或PercePtron）应用于我的数据集。首先，我制作了一个自定义的旋转ner，最终导致了一个数据集供模型训练。这个数据集看起来像这样：

        words   POS        labels
37         We  PRON             O
38        are   AUX             O
39     always   ADV             O
40         on   ADP             O
41        the   DET             O
42    lookout  NOUN             O
43        for   ADP             O
44  motivated   ADJ  I-SOFT_SKILL
45       life  NOUN             O
46    science  NOUN             O

我想以不同的空缺提取技能。我创建了一个似乎正在起作用的感知器。

print('the shape is: ',X_train.shape, y_train.shape)
per = Perceptron(verbose=10, n_jobs=-1, max_iter=10)
per.partial_fit(X_train, y_train, classes)

输出

the shape is:  (51759, 6155) (51759,)

[Parallel(n_jobs=-1)]: Using backend ThreadingBackend with 2 concurrent workers.
-- Epoch 1-- Epoch 1

Norm: 17.15, NNZs: 95, Bias: -3.000000, T: 51759, Avg. loss: 0.009795
Total training time: 0.55 seconds.
-- Epoch 1
Norm: 37.97, NNZs: 378, Bias: -3.000000, T: 51759, Avg. loss: 0.018296
Total training time: 0.57 seconds.
Norm: 42.68, NNZs: 457, Bias: 3.000000, T: 51759, Avg. loss: 0.025696
Total training time: 0.50 seconds.
[Parallel(n_jobs=-1)]: Done   3 out of   3 | elapsed:    1.1s remaining:    0.0s
[Parallel(n_jobs=-1)]: Done   3 out of   3 | elapsed:    1.1s finished
Perceptron(max_iter=10, n_jobs=-1, verbose=10)

现在，当我尝试将模型应用于完全看不见的数据时，我会得到一个ValueError：

ValueError: X has 6747 features, but Perceptron is expecting 6155 features as input.

那么看不见的空缺中的功能数量是否与培训模型中的功能完全相同？还是还有另一种更好的方法？

如果需要其他信息，我可以提供！如果有人知道这个问题，那将是感谢的！