在我的scikits-learn Pipeline中，我想将一个自定义词汇表传递给CountVectorizer()：

text_classifier = Pipeline([    ('count', CountVectorizer(vocabulary=myvocab)),    ('tfidf', TfidfTransformer()),    ('clf', LinearSVC(C=1000))])

然而，据我所知，当我调用

text_classifier.fit(X_train, y_train)

Pipeline使用CountVectorizer()的fit_transform()方法，这会忽略我的词汇表myvocab。我该如何修改我的Pipeline来使用myvocab？谢谢！

回答：

这是一个我在五分钟前修复的scikit-learn中的bug，谢谢你发现了这个问题。我建议你要么从Github升级到最新版本，要么作为临时解决方案，将向量化器从Pipeline中分离出来：

count = CountVectorizer(vocabulary=myvocab)X_vectorized = count.transform(X_train)text_classifier = Pipeline([    ('tfidf', TfidfTransformer()),    ('clf', LinearSVC(C=1000))])text_classifier.fit(X_vectorized, y_train)

更新：自从这个回答发布以来，这个修复已被纳入多个scikit-learn版本中。