Question

我有许多相同维度的数组，例如

x = np.array([3,2,0,4,5,2,1...]) #the dimension of the vectors is above 50000 
y = np.array([1,3,4,2,4,1,4...])

我想要做的是使用特征哈希来减少这些向量的维度（尽管会有碰撞）。然后可以在分类器中使用较低维度向量。

我试过的是

from sklearn.feature_extraction import FeatureHasher
hasher = FeatureHasher()
hash_vector = hasher.transform(x)

但是，FeatureHasher似乎不能直接使用，而是AttributeError: 'matrix' object has no attribute 'items'

因此，为了顺利进行功能散列，接下来该怎么办？如果我遗失了什么，谁能让我知道？或者，如果还有其他方法可以更有效地进行功能散列？

Answer 1

transform方法的参数必须是可迭代的样本，而不是单个样本 - 请参阅http://scikit-learn.org/stable/modules/generated/sklearn.feature_extraction.FeatureHasher.html。

但是，您的代码存在更多问题：您未通过input_type来构建哈希，因此它默认为dict - ＆＃34;字典over（feature_name，value）＆＃34; （需要items： - ）。

无论如何，没有任何输入类型可以让aher接受＆＃34;未命名＆＃34;您似乎希望传递给transform的功能......这不是功能哈希的工作原理。