python - scikit-learn，向矢量化文档集添加特征

Question

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。

如何向向量化函数生成的每个文档向量添加特征？

Answer 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。