在 Scikit-learn 分类器中找到最常用的术语 [重复]

【问题标题】：Find the Most common term in Scikit-learn classifier [duplicate]在 Scikit-learn 分类器中找到最常用的术语 [重复]
【发布时间】：2013-04-23 16:49:03
【问题描述】：

我正在关注example in Scikit learn docs，其中CountVectorizer 用于某些数据集。

问题：count_vect.vocabulary_.viewitems() 列出了所有术语及其频率。您如何按出现次数对它们进行排序？

sorted( count_vect.vocabulary_.viewitems() ) 似乎不起作用。

【问题讨论】：

嗨！也许你想看看我的回答stackoverflow.com/a/48490046/1093674

标签： python python-2.7 numpy scipy scikit-learn

【解决方案1】：

vocabulary_.viewitems() 实际上并没有列出术语及其频率，而是从术语到它们的索引的映射。频率（每个文档）由 fit_transform 方法返回，该方法返回一个稀疏（coo）矩阵，其中行是文档，列是单词（列索引通过词汇表映射到单词）。例如，您可以通过

获得总频率

matrix = count_vect.fit_transform(doc_list)
freqs = zip(count_vect.get_feature_names(), matrix.sum(axis=0))    
# sort from largest to smallest
print sorted(freqs, key=lambda x: -x[1])

【讨论】：

您需要将matrix.sum(axis=0) 替换为matrix.sum(axis=0).tolist()[0]，因为matrix.sum() 返回一个矩阵。