如何告诉 scikit-learn 矢量化器使用特定功能？答案

【问题标题】：How to tell scikit-learn vectorizer use specific features?如何告诉 scikit-learn 矢量化器使用特定功能？
【发布时间】：2014-07-07 19:05:47
【问题描述】：

我有一组特征是手工挑选的。并非所有这些都是单个单词；其中一些是二元组，另一些是三元组。我想对我的文本进行建模——这些文本以基于这些特征的原始文本的形式提供。我怎么能在sklearn中做到这一点？到目前为止，这就是我定义 Vectorizer 的方式。

def initialize():
    from sklearn.feature_extraction.text import CountVectorizer
    vectorizer = CountVectorizer(ngram_range=(1, 3))
    return vectorizer

【问题讨论】：

标签： python scikit-learn vectorization

【解决方案1】：

CountVectorizer 和TfIdfVectorizer 允许您指定要使用的词汇表。将它们作为关键字参数vocabulary 传递给构造函数。引用自docs：

词汇表：映射或可迭代，可选

无论是映射（例如，字典），其中键是术语，值是特征矩阵中的索引，或可迭代的项。如果不给定，从输入文档中确定一个词汇表。

【讨论】：