Question

我在scikit-learn中使用FeatureHasher。

任何人都可以解释为什么我在稀疏矩阵中最终得到4个非零数据而不是以下2个：

>>> f = FeatureHasher(input_type='string')
>>> g = f.transform(('as','bs'))
<2x1048576 sparse matrix of type '<type 'numpy.float64'>'
with 4 stored elements in Compressed Sparse Row format>
>>> g.data
array([-1.,  1., -1., -1.])
>>> g.nonzero()
(array([0, 0, 1, 1], dtype=int32), array([341263, 354738,  98813, 341263], dtype=int32))

Answer 1

似乎期待一系列序列。外部序列用于观察，内部是特征。输入时，内部序列是字符串的字符。

观察0：＆＃39; a＆＃39; - ＆GT; 354738，＆＃39; s＆＃39; - ＆GT; 341263

观察1：＆＃39; b＆＃39; - ＆GT; 98813，＆＃39; s＆＃39; - ＆GT; 341263

试试这个：

g = f.transform([['as'],['bs']])

输出：

>>> g.nonzero()
(array([0, 1], dtype=int32), array([494108, 335425], dtype=int32))

sklearn中的特征哈希

1 个答案: