【发布时间】：2018-06-07 16:16:13
【问题描述】：
我正在尝试改进我的文本分类模型。
text = df['text']
count_vect = CountVectorizer(min_df=1,ngram_range=(1, 2),
stop_words="english", max_features=200)
count_vect.fit(text)
counts = count_vect.transform(text)
这是示例输出：
[(u'spring', 386), (u'https', 341), (u'com', 317), (u'pr', 313), (u'for
the', 285), (u'the pr', 208), (u'need', 196), (u'session', 164),
(u'jp', 158), (u'png', 156), (u'updated', 154), (u'please', 152),
(u'see', 145)]
我想手动添加单词/频率，我认为这可能是一个很好的指标。 有什么帮助吗？
【问题讨论】：
-
计数是频率。您是否在将计数值添加为设计矩阵中的特征时寻求帮助？或者您是否要求对您列出的频率进行某种转换？另外，“单词”是指您在
counts中列出的一元和二元，还是仅指一元？ -
是的。我正在寻求有关将计数值添加为功能的帮助。我的意思只是一元组。
-
只需将这些 unigrams 以任何所需时间的顺序添加到文本的末尾（比如说，称之为
featured_text）。您可以创建一个特殊的功能。 CountVectorizer 没有意义顺序，所以，没关系。可能不是最好的解决方案，但它可以工作。
标签： python scikit-learn nlp