1

假设我有一个包含 n 个类别/标签的特征计数列表，例如：

feature 1,label1 = 10 # word, label = frequency count
feature 1,label2 = 0
feature 2,label1 = 3
feature 2,label2 = 0

如果是 json，那么“坏”和“好”这两个词会是这样的：

{
 "bad": {"pos": 1, "neg": 15, "neu": 2},
 "good": {"pos": 13, "neg": 3, "neu": 2},
}

这是存档的，是从旧应用程序继承的（我无权访问原始文档，长篇大论），但它们是相关的，我想使用它们。这个应用程序是一个情感分类应用程序，它可以获取报纸评论并对其进行分类，这与我想要开发的一样。

那么，我如何将这些计数提供给 Tf-df Vectorizer 或 CountVectorizer或将它们与运行矢量化器获得的结果合并，即与下面代码中的 X_train_count 合并：

>>> from sklearn.feature_extraction.text import CountVectorizer
>>> count_vect = CountVectorizer()
>>> data_train = {"data": ["ola good", "hey good", "good", "good", "bad", "bad", "bad"], "target":[1,1,1,1,0,0,0]}
>>> X_train_count = count_vect.fit_transform(data_train["data"])
>>> count_vect.get_feature_names()
[u'bad', u'good']
>>> print X_train_count
  (0, 1)        1
  (1, 1)        1
  (2, 1)        1
  (3, 1)        1
  (4, 0)        1
  (5, 0)        1
  (6, 0)        1

谢谢你的帮助！

4

0 回答 0