scikit-learn，将特征添加到矢量化文档集

Posted 2023-03-12

【中文标题】scikit-learn，将特征添加到矢量化文档集

【英文标题】：scikit-learn, add features to a vectorized set of documents

【发布时间】：2013-02-21 20:29:05

【问题描述】：

我从 scikit-learn 开始，我正在尝试将一组文档转换为可以应用聚类和分类的格式。我已经看到了有关矢量化方法的详细信息，以及用于加载文件和索引它们的词汇表的 tfidf 转换。

但是，我对每个文档都有额外的元数据，例如作者、负责的部门、主题列表等。

如何为向量化函数生成的每个文档向量添加特征？

【参考方案1】：

您可以将DictVectorizer 用于额外的分类数据，然后使用scipy.sparse.hstack 将它们组合起来。

【讨论】：

很好，我会尝试，但 hstack 似乎是我需要的。谢谢！