我有一个数据集，它有三个（或可能是两个以上）列A，B和C（C是非结构化文本（即文档））。记录的分类不仅基于文本文档，而且基于列A，B和C的组合。也就是说，相同的文档文本以及A和B的不同组合在培训数据。
C本身的文本分类相对容易，但是我遇到挑战的是三个组合。例如，如果我的训练数据是列A，B和B列的训练。 C用C作为文档，我可以单独使用C作为：
vectorizer = TfidfVectorizer()
vtrain = vectorizer.fit_transform(train["C"])
这会给我一个稀疏的特征矩阵，用于来自矢量化器的特征名称和词汇。但是如何将A和B中的值（总是非零）与C结合使用以进一步用于分类（NB或SVM等）？
我正在考虑使用TruncatedSVD使其对于已接受的n_component密集，例如：
svd = TruncatedSVD（n_components = 100，n_iter = 5，random_state = 42）但问题是如何将来自svd的输出与列A和B的密集矩阵的输出结合起来训练我的模型？ / p>