将功能名称更新到scikit TFIdfVectorizer

贡扬

我正在尝试此代码

from sklearn.feature_extraction.text import TfidfVectorizer
import numpy as np

train_data = ["football is the sport","gravity is the movie", "education is imporatant"]
vectorizer = TfidfVectorizer(sublinear_tf=True, max_df=0.5,
                                                 stop_words='english')

print "Applying first train data"
X_train = vectorizer.fit_transform(train_data)
print vectorizer.get_feature_names()

print "\n\nApplying second train data"
train_data = ["cricket", "Transformers is a film","AIMS is a college"]
X_train = vectorizer.transform(train_data)
print vectorizer.get_feature_names()

print "\n\nApplying fit transform onto second train data"
X_train = vectorizer.fit_transform(train_data)
print vectorizer.get_feature_names()

这个的输出是

Applying first train data
[u'education', u'football', u'gravity', u'imporatant', u'movie', u'sport']


Applying second train data
[u'education', u'football', u'gravity', u'imporatant', u'movie', u'sport']


 Applying fit transform onto second train data
[u'aims', u'college', u'cricket', u'film', u'transformers']

我使用fit_transform给矢量化器提供了第一组数据,因此它给了我一个功能名称,就像[u'education', u'football', u'gravity', u'imporatant', u'movie', u'sport']之后我将另一个训练集应用于相同的矢量化器一样,但是它给了我与不使用fit或fit_transform相同的功能名称。但是我想知道如何在不覆盖以前的oncs的情况下更新矢量化器的功能。如果再次使用fit_transform,以前的功能将被覆盖。因此,我想更新矢量化器的功能列表。所以我想要类似的方法[u'education', u'football', u'gravity', u'imporatant', u'movie', u'sport',u'aims', u'college', u'cricket', u'film', u'transformers']

姆巴特卡罗夫

在sklearn术语中,这称为部分拟合,而您不能使用来实现TfidfVectorizer有两种解决方法:

  • 连接两个训练集并重新向量化
  • 使用HashingVectorizer支持局部拟合的。但是,get_feature_names由于存在散列特征,因此没有方法,因此不会保留原始特征。另一个优点是,这将大大提高内存效率。

第一种方法的示例:

from sklearn.feature_extraction.text import TfidfVectorizer
import numpy as np

train_data1 = ["football is the sport", "gravity is the movie", "education is important"]
vectorizer = TfidfVectorizer(stop_words='english')

print("Applying first train data")
X_train = vectorizer.fit_transform(train_data1)
print(vectorizer.get_feature_names())

print("\n\nApplying second train data")
train_data2 = ["cricket", "Transformers is a film", "AIMS is a college"]
X_train = vectorizer.transform(train_data2)
print(vectorizer.get_feature_names())

print("\n\nApplying fit transform onto second train data")
X_train = vectorizer.fit_transform(train_data1 + train_data2)
print(vectorizer.get_feature_names())

输出:

Applying first train data
['education', 'football', 'gravity', 'important', 'movie', 'sport']

Applying second train data
['education', 'football', 'gravity', 'important', 'movie', 'sport']

Applying fit transform onto second train data
['aims', 'college', 'cricket', 'education', 'film', 'football', 'gravity', 'important', 'movie', 'sport', 'transformers']

本文收集自互联网,转载请注明来源。

如有侵权,请联系[email protected] 删除。

编辑于
0

我来说两句

0条评论
登录后参与评论

相关文章

来自分类Dev

在scikit中保存并重用TfidfVectorizer学习

来自分类Dev

scikit-learn的TfidfVectorizer的在线版本

来自分类Dev

sklearn导入错误:无法导入名称tfidfvectorizer

来自分类Dev

scikit-learn TfidfVectorizer如何计算TF-IDF

来自分类Dev

Scikit Learn - 结合 TfidfVectorizer 和 OneHotEncoder 的输出 - 维度

来自分类Dev

scikit学习:在执行TFIDFVectorizer的拟合和转换后如何包含其他功能?

来自分类Dev

TfidfVectorizer NotFittedError

来自分类Dev

TfidfVectorizer的替代

来自分类Dev

Scikit学习TfidfVectorizer:如何获得tf-idf得分最高的前n个词

来自分类Dev

为什么Tfidfvectorizer中的token_pattern参数不能与scikit一起使用?

来自分类Dev

scikit-learn中的TfidfVectorizer:ValueError:np.nan是无效的文档

来自分类Dev

scikit TfidfVectorizer.transform()返回同一文档的不同结果

来自分类Dev

使用参数stop_words时scikit学习TfidfVectorizer中的错误

来自分类Dev

如何将预处理器传递给TfidfVectorizer?-sklearn-python

来自分类Dev

如何将预处理器传递给TfidfVectorizer?-sklearn-python

来自分类Dev

了解TfidfVectorizer输出

来自分类Dev

TfIdfVectorizer无法正确标记

来自分类Dev

TfidfVectorizer的单词频率

来自分类Dev

TfidfVectorizer和SelectKBest错误

来自分类Dev

TfidfVectorizer dtype不匹配

来自分类Dev

scikit中的k均值向量在内部学习归一化还是TfidfVectorizer归一化不起作用?

来自分类Dev

scikit中的k均值向量在内部学习归一化还是TfidfVectorizer归一化不起作用?

来自分类Dev

TfidfVectorizer背后的数学是什么?

来自分类Dev

TfidfVectorizer toarray() 和 HashingVectorizer 的含义

来自分类Dev

使用TfidfVectorizer,是否可以将一个语料库用于idf信息,将另一个语料库用于实际索引?

来自分类Dev

Python Sklearn:动态设置TfIdfVectorizer的参数

来自分类Dev

sklearn中的TfidfVectorizer如何具体包含单词

来自分类Dev

如何仅使用TfidfVectorizer获得TF?

来自分类Dev

如何在TfidfVectorizer中应用Kfold?

Related 相关文章

  1. 1

    在scikit中保存并重用TfidfVectorizer学习

  2. 2

    scikit-learn的TfidfVectorizer的在线版本

  3. 3

    sklearn导入错误:无法导入名称tfidfvectorizer

  4. 4

    scikit-learn TfidfVectorizer如何计算TF-IDF

  5. 5

    Scikit Learn - 结合 TfidfVectorizer 和 OneHotEncoder 的输出 - 维度

  6. 6

    scikit学习:在执行TFIDFVectorizer的拟合和转换后如何包含其他功能?

  7. 7

    TfidfVectorizer NotFittedError

  8. 8

    TfidfVectorizer的替代

  9. 9

    Scikit学习TfidfVectorizer:如何获得tf-idf得分最高的前n个词

  10. 10

    为什么Tfidfvectorizer中的token_pattern参数不能与scikit一起使用?

  11. 11

    scikit-learn中的TfidfVectorizer:ValueError:np.nan是无效的文档

  12. 12

    scikit TfidfVectorizer.transform()返回同一文档的不同结果

  13. 13

    使用参数stop_words时scikit学习TfidfVectorizer中的错误

  14. 14

    如何将预处理器传递给TfidfVectorizer?-sklearn-python

  15. 15

    如何将预处理器传递给TfidfVectorizer?-sklearn-python

  16. 16

    了解TfidfVectorizer输出

  17. 17

    TfIdfVectorizer无法正确标记

  18. 18

    TfidfVectorizer的单词频率

  19. 19

    TfidfVectorizer和SelectKBest错误

  20. 20

    TfidfVectorizer dtype不匹配

  21. 21

    scikit中的k均值向量在内部学习归一化还是TfidfVectorizer归一化不起作用?

  22. 22

    scikit中的k均值向量在内部学习归一化还是TfidfVectorizer归一化不起作用?

  23. 23

    TfidfVectorizer背后的数学是什么?

  24. 24

    TfidfVectorizer toarray() 和 HashingVectorizer 的含义

  25. 25

    使用TfidfVectorizer,是否可以将一个语料库用于idf信息,将另一个语料库用于实际索引?

  26. 26

    Python Sklearn:动态设置TfIdfVectorizer的参数

  27. 27

    sklearn中的TfidfVectorizer如何具体包含单词

  28. 28

    如何仅使用TfidfVectorizer获得TF?

  29. 29

    如何在TfidfVectorizer中应用Kfold?

热门标签

归档