[英]How to tell scikit-learn vectorizer use specific features?
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
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。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.