Crie os DataFrames count_df e tfidf_df usando pd.DataFrame() e especificando os valores como o primeiro argumento e as colunas (ou recursos) como o segundo argumento.
- Os valores podem ser acessados usando o atributo .A de, respectivamente, count_train e tfidf_train.
- As colunas podem ser acessadas usando os métodos .get_feature_names() de count_vectorizer e tfidf_vectorizer.
Imprima o cabeçalho de cada DataFrame para investigar sua estrutura. Isso 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 e tfidf_df. As colunas podem ser acessadas usando o 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.

Treinamento e teste de um modelo de classificação com o scikit-learn