【发布时间】：2013-02-21 20:29:05
【问题描述】：
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。
如何为向量化函数生成的每个文档向量添加特征？
【问题讨论】：
标签： python machine-learning nlp scikit-learn
【发布时间】：2013-02-21 20:29:05
【问题描述】：
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。
【讨论】：
-
很好，我会尝试，但 hstack 似乎是我需要的。谢谢！