我想使用scikit-learn对两个文本进行分类。但我想自己提取特征。就像使用stop_words='english'来设置英语停用词列表一样，应用于CountVectorizer。如何设置我自己的词列表，让CountVectorizer进行计数呢？

回答：

您可以将自己的停用词列表提供给CountVectorizer的stop_words参数，这样scikit-learn就不会对您输入的文本中不想计数的词进行计数。例如，如果我不希望“cat”、“dog”和“elephant”这些词作为标记，我会这样实例化CountVectorizer：

CountVectorizer(stop_words=['cat','dog', elephant'])

希望这对您有帮助。