scikit-learn, 向文档向量化集合添加特征

我刚开始使用scikit-learn,正在尝试将一组文档转换成可以应用聚类和分类的格式。我已经了解了向量化方法的细节,以及用于加载文件并索引其词汇表的tfidf转换。

然而,每个文档我还有额外的元数据,比如作者、负责的部门、主题列表等。

我如何向由向量化函数生成的每个文档向量添加特征呢?


回答:

你可以使用DictVectorizer来处理额外的分类数据,然后使用scipy.sparse.hstack将它们合并。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注