假设我有两个基于文本的功能;例如，假设我正在尝试预测体育比赛，我有：
1）摘自体育评论（正文） 2）摘自互联网粉丝预测（也是一组文本）。
如果我在feature 1上使用文本向量化程序（比如说HashingVectorizer），使用fit_transform（），在feature 2上再次使用它（fit_transform（））会不好，或者我应该为它创建一个新的vectorizer那？我只是想知道是否在具有相同矢量化器的多个特征上重用fit_transform（）可能会产生不良副作用。
答案 0 :(得分：0)
我想说这取决于你是否想要文本到矢量转换步骤的再现性。例如，如果要使用与第一个数据集相同的分类器（或其他），则需要重用矢量化器。如果你在一个不同的数据集上使用一个新的，它将构建一个不同的词汇表，即拉出不同的标记，并使矢量不同。这可能是你想要的一个非常不同的数据集（如果你要重新训练）。可能是第二个数据集包含对预测至关重要的新单词。如果你重复使用矢量化器，那些就会被遗漏。
顺便说一下，如果要保存到磁盘，可以对矢量化器进行pickle。有关示例，请参阅：how to pickle customized vectorizer?。