如何在机器学习训练集中结合文本和数字特征？

【问题标题】：How do I combine text and numerical features in training set for machine learning?如何在机器学习训练集中结合文本和数字特征？
【发布时间】：2016-07-31 09:42:47
【问题描述】：

我试图根据数字特征和文本特征来预测社交网络中帖子的点赞数。现在我有了具有所需功能的数据框，但我不知道如何处理发布文本数据。我应该对其进行矢量化/做其他事情以获得合适的火车矩阵吗？我将使用 sklearn 的 LinearSVC 进行分析。

【问题讨论】：

你打算用什么机器学习方法？ SVM 可能是一个不错的选择，因为您正在处理文本特征。
对不起，我没有提到，是的，我要使用SVM。线性 SVC。

标签： machine-learning scikit-learn ipython svm feature-selection

【解决方案1】：

您可以通过多种不同的方式将文本特征转换为数字特征。

最常见的方法之一是词袋方法。您将文本转换为包含每个单词出现次数的数组。

如果您使用 scikit-learn，我建议您阅读他们的 Text Feature extraction User Guide。

另请参阅NLTK toolkit，了解处理文本数据的更复杂方法。

【讨论】：

感谢您的回答。我明白，我需要一个单词错误。我已经将帖子的文本数据划分为单词并进行了预处理。我不知道下一步该做什么，如何将其加入一个矩阵以供将来 SVM 分析。
明白了你的想法，并在我的代码中发现了一些愚蠢的错误。谢谢你的回答：）