在scikit-learn中結合獨立功能

Question

我對不同功能組合的組合提出了一個小問題。

我的情況：

有些文檔帶有標題，一些標簽和文本，可分為“垃圾郵件”或“火腿”。 我正在使用scikit-learn bugtracker中描述的方法從文檔（標題和文本）中提取功能。

在此步驟之后，我可以使用clf.fit(X,Y) ，其中X是fit_transform -operation的結果， Y指示文檔是ham（ 0 ）還是spam（ 1 ）。

我的問題：

將標簽也添加為特征進行處理的最佳方法是什么？ 我考慮過將FeatureHasher與包含每個功能的標簽作為特征的字典一起使用（例如{"tag1": 1, "tag35":1} ）。

Answer 1

您應該看一下在這里看到的FeatureUnion 。 它允許您創建多個變壓器，並將其所有輸出組合到一個矩陣中。