Question

from sklearn.feature_extraction.text import CountVectorizer

vectorizer = CountVectorizer()
vectorizer = vectorizer.fit(word_data)
freq_term_mat = vectorizer.transform(word_data)

from sklearn.feature_extraction.text import TfidfTransformer

tfidf = TfidfTransformer(norm="l2")
tfidf = tfidf.fit(freq_term_mat)
Ttf_idf_matrix = tfidf.transform(freq_term_mat)

voc_words = Ttf_idf_matrix.getfeature_names()
print "The num of words = ",len(voc_words)

当我运行包含这段代码的程序时，我得到以下错误：

追踪（最近一次通话）：     文件＆＃34; vectorize_text.py＆＃34;，第87行，在        voc_words = Ttf_idf_matrix.getfeature_names（）
  文件＆＃34; /home/farheen/anaconda/lib/python2.7/site-＆gt; packages / scipy / sparse / base.py＆＃34;，第499行， getattr   引发AttributeError（attr +＆＃34;未找到＆＃34;）
  AttributeError：找不到get_feature_names

请为我建议一个解决方案。

Answer 1

我发现您的代码存在两个问题。首先，您将get_feature_names（）应用于矩阵输出，而不是向量化器。您需要将它应用于矢量化器。其次，你不必要地分成太多步骤。您可以使用TfidfVectorizer.fit_transform（）在更少的空间内执行您想要的操作。试试这个：

from sklearn.feature_extraction.text import TfidfVectorizer

vectorizer = TfidfVectorizer()
transformed = vectorizer.fit_transform(word_data)
print "Num words:", len(vectorizer.get_feature_names())

Answer 2

不是get_feature_names()，即。在'get'之后用下划线。

另外，我不确定你要做什么，但get_feature_names是一个仅对* Vectorizer类有效的方法，而不是TfidTransformer。也许你想要TfidVectorizer？

Answer 3

from sklearn.feature_extraction.text import TfidfVectorizer
TfIdfer = TfidfVectorizer(stop_words = 'english')
TfIdfer.fit_transform(word_data).toarray()
names = TfIdfer.get_feature_names()

AttributeError：找不到getfeature_names;使用scikit-learn

3 个答案: