scikit-learn - CountVectorizer 的 sklearn 部分拟合

Question

是否CountVectorizer支持部分拟合？

我想训练CountVectorizer使用不同批次的数据。

Answer 1

不，它不支持部分拟合。

但是您可以编写一个简单的方法来实现您的目标：

def partial_fit(self , data):
    if(hasattr(vectorizer , 'vocabulary_')):
        vocab = self.vocabulary_
    else:
        vocab = {}
    self.fit(data)
    vocab = list(set(vocab.keys()).union(set(self.vocabulary_ )))
    self.vocabulary_ = {vocab[i] : i for i in range(len(vocab))}

from sklearn.feature_extraction.text import CountVectorizer
CountVectorizer.partial_fit = partial_fit

vectorizer = CountVectorizer(stop_words=l)
vectorizer.fit(df[15].values[0:100])
vectorizer.partial_fit(df[15].values[100:200])