Crie os DataFrames count_df e tfidf_df usando pd.DataFrame(), especificando os valores como primeiro argumento e as colunas (ou features) como segundo argumento.
- Os valores podem ser acessados pelo atributo .A de, respectivamente, count_train e tfidf_train.
- As colunas podem ser acessadas pelos métodos .get_feature_names() de count_vectorizer e tfidf_vectorizer.
Imprima a head de cada DataFrame para investigar sua estrutura. Isso já foi feito para você.
Teste se os nomes das colunas são os mesmos para cada DataFrame criando um novo objeto chamado difference para ver a diferença entre as colunas que count_df tem em relação a tfidf_df. As colunas podem ser acessadas pelo atributo .columns de um DataFrame. Subtraia o conjunto de tfidf_df.columns do conjunto de count_df.columns.
Teste se os dois DataFrames são equivalentes usando o método .equals() em count_df, com tfidf_df como argumento.

Treinando e testando um modelo de classificação com scikit-learn