scikit-learn，为矢量化文档集添加功能

Question

我开始使用scikit-learn，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其词汇表的tfidf转换。

但是，我为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功能？

Answer 1

您可以使用DictVectorizer作为额外的分类数据，然后使用scipy.sparse.hstack进行组合。