0

我尝试添加功能以对文档进行分类。但我的问题是，如果我的矩阵大小与样本数量不对应，如何添加特征。这是我的估算器

class Add(BaseEstimator, TransformerMixin):
    def __init__(self):
        pass

    def transform(self, X, y=None):
        print(type(X))
        print('Dans Add X vaut:', X.shape)
        return X

    def fit(self, X, y = None):
        return self

pipeline = Pipeline([
       ('vect', TfidfVectorizer()),
       ('add_features', Add()),
       ('clf', SGDClassifier())
])
parameters = {'vect__max_features': (3000,5000)}
data  = load_files('./HO_without_tag', categories=None)
X , Y = (data.data, data.target)
print(len(X), len(Y))
grid_search = GridSearchCV(pipeline, param_grid = parameters, n_jobs = 1, verbose = 1000)
grid_search.fit(X,Y).transform(X)

但在我的结果中，我没有打印所有内容......

Fitting 3 folds for each of 1 candidates, totalling 3 fits
[CV] vect__max_features=3000
<class 'scipy.sparse.csr.csr_matrix'>
Dans Addned X vaut: (323, 3000)
<class 'scipy.sparse.csr.csr_matrix'>
Dans Addned X vaut: (163, 3000)
.......

我不明白 (323, 3000) 和 (163, 3000) 是什么意思？？？

通常我有 486 个文件（文件）。如果我想在我的变换方法中添加一些特征，我只需要将第一个管道 tdfIdfVectorizer 给出的数组（我理解为 (486, 3000) ）连接到我的具有这种形状的新特征数组（486，我的特征）。目前，我无法个性化我的转换方法，因为此时我的行维度不兼容。提前感谢您的帮助。

4

0 回答 0