Категоризация текста Python с использованием TFIDF

У меня есть набор данных, как показано ниже

**ID**        **Text**                                     **Category**
   1     jake loves me more than john loves me               Romance
   2     july likes me more than robert loves me             Friendship
   3     He likes videogames more than baseball              Interest

Мне нужно будет использовать приведенные выше данные в качестве обучающих данных для моей текстовой категоризации, а позже, когда я передам новое предложение, это предложение нужно будет классифицировать как одну категорию из вышеуказанных категорий, представленных в таблице выше.

Для начала я выполнил TFIDF (термин частота, обратная частоте документа) для вышеуказанного набора данных, как показано ниже.

mydoclist = []
#below im only taking my field 'Text' as input 
f = open('C:\sample4.csv', "r")
reader = csv.reader(f) 
for row in reader:   
    models.append(row)
f.close()

tf = TfidfVectorizer(tokenizer=lambda doc: doc,lowercase=False, analyzer='word',  min_df = 0, stop_words = 'english')
tfidf_matrix =  tf.fit_transform(mydoclist)
feature_names = tf.get_feature_names()
tfs = tf.fit_transform(mydoclist)
#storing my tfidf matrix
import pickle
with open("x_result.pkl", 'wb') as handle:
    pickle.dump(tfidf_matrix, handle)

Я хотел бы знать, как я могу пометить категории из приведенного выше набора данных с помощью рассчитанной мной матрицы tfidf? Кроме того, позже, как я могу использовать приведенные выше данные для классификации любых новых данных?