在scikit-learn的CountVectorizer的停止列表中添加单词

Question

Scikit-learn的CountVectorizer课程允许您传递字符串＆＃39;英语＆＃39;到参数stop_words。我想在此预定义列表中添加一些内容。谁能告诉我怎么做？

Answer 1

根据sklearn.feature_extraction.text的{​​{3}}，frozenset的完整列表（实际为ENGLISH_STOP_WORDS来自__all__）通过from sklearn.feature_extraction import text stop_words = text.ENGLISH_STOP_WORDS.union(my_additional_stop_words) 公开}。因此，如果您想使用该列表以及更多项目，您可以执行以下操作：

my_additional_stop_words

（其中stop_words是任何字符串序列）并将结果用作CountVectorizer.__init__参数。 _check_stop_list的此输入由frozenset解析，直接传递新的{{1}}。