如何使用 sklearn FeatureHasher？

Question

我有一个这样的数据框：

import pandas as pd
test = pd.DataFrame({'type': ['a', 'b', 'a', 'c', 'b'], 'model': ['bab', 'ba', 'ba', 'ce', 'bw']})

如何使用sklearn FeatureHasher 有吗？

我试过了：

from sklearn.feature_extraction import FeatureHasher 
FH = FeatureHasher()
train = FH.transform(test.type)

但它不喜欢它？它似乎想要一个字符串或一个列表，所以我尝试

FH.transform(test.to_dict(orient='list'))

但这也不起作用？ 我明白了：

AttributeError: 'str' object has no attribute 'items'

谢谢

Answer 1

初始化FeatureHasher的实例时需要指定输入类型：

In [1]:
from sklearn.feature_extraction import FeatureHasher
h = FeatureHasher(n_features=5, input_type='string')
f = h.transform(test.type)
f.toarray()

Out[1]:
array([[ 1.,  0.,  0.,  0.,  0.],
       [ 0., -1.,  0.,  0.,  0.],
       [ 1.,  0.,  0.,  0.,  0.],
       [ 0.,  0., -1.,  0.,  0.],
       [ 0., -1.,  0.,  0.,  0.]])

请注意，根据上面链接的文档，这将假定这些功能的值为 1（粗体强调是我的）：

input_type : 字符串，可选，默认“dict”

• “dict”（默认值）接受字典（特征名称、值）；
• “pair”接受成对的 (feature_name, 值）；
• 或“字符串”以接受单个字符串。 feature_name 应该是 字符串，而 value 应该是一个数字。 在“字符串”的情况下，一个 值 1 是隐含的。

feature_name 被散列以找到 该功能的相应列。值的符号可能会翻转 在输出中（但请参阅下面的 non_negative）。