这是一个关于特征集的非常基础的问题。

假设我有一群人，他们拥有各种特征，我希望为他们提供推荐。他们还写了一段自由形式的文本，这段文本对于我需要推荐的内容非常重要。

我知道如何将他们的样本文本向量化，但我不清楚如何添加诸如国籍、年龄、性别等特征。

所以我有以下代码：

#dbsession = sqlalchemy sessionpeople = dbsession.query(People).filter(People.category!="inactive")all_text = [(a.all_text, a.category) for a in people ]vectorizer = TfidfVectorizer(sublinear_tf=True, max_df=0.5, stop_words='english')X_train = vectorizer.fit_transform([x[0] for x in all_text])y_train = ([x[1] for x in all_text])classifier = MultinomialNB()classifier.fit(X_train,y_train)print("Training score: {0:.1f}%".format(classifier.score(X_train, y_train) * 100))a  = People.populate_from_db(dbsession,2309601) # this gives me the person I want to categoriseprint asample_text = a.all_textt_form = vectorizer.transform([sample_text])probs = classifier.predict_proba(t_form)for i,p in enumerate(probs[0]):    print "# ", classifier.classes_[i] , "%.2f %%" % (p*100)

（是的，我知道不应该用训练集中的项目来测试，但我只是先让代码运行起来，然后再输入真实数据。）

现在，如果一个人的对象有一个属性比如“国籍”，将它添加到分类器中最好的方法是什么？

回答：

1) 关于向你的向量添加额外字段的问题。

A) 只需创建一个新的X_train_extended，它的维度数与X_train相同，再加上你要添加的每个项目的一个维度。复制值并在额外的空间中插入你想要的内容。

B) 尝试使用scikit中的FeatureUnion来为你完成这个任务。

2) 你的添加是否合理？在这种情况下 – 不合理。将“年龄”的数值存储在MulinomialNB模型中是不合理的。尽管它可能仍然有效，但你应该意识到你现在正在违反你试图使用的模型的假设。

没有人能告诉你应该使用什么模型，因为我们没有你的数据，但你应该了解你的模型是什么以及它做出了什么假设。然后你可以决定这些额外特征的最佳形式是什么，以便加入你的模型中。