如何告訴scikit-learn vectorizer使用特定功能？

Question

我有一組精選功能-手動設置。 並非所有這些都是一個單詞。 其中一些是雙字母組，另一些是三字組。 我想對我的文本進行建模-基於這些功能以原始文本的形式提供這些文本。 我該如何在sklearn中做到這一點？ 到目前為止，這就是我定義Vectorizer的方式。

def initialize():
    from sklearn.feature_extraction.text import CountVectorizer
    vectorizer = CountVectorizer(ngram_range=(1, 3))
    return vectorizer

Answer 1

CountVectorizer和TfIdfVectorizer允許您指定要使用的詞匯。 將它們作為關鍵字參數vocabulary傳遞給構造函數。 從文檔引用：

詞匯 ：映射或可迭代，可選

映射（例如dict），其中鍵是項，值是特征矩陣中的索引，或者是可迭代的項。 如果未給出，則根據輸入文檔確定詞匯表。