Question

我有

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity

# Train the vectorizer
text="this is a simple example"
singleTFIDF = TfidfVectorizer(ngram_range=(1,2)).fit([text])
singleTFIDF.vocabulary_ # show the word-matrix position pairs

# Analyse the training string - text
single=singleTFIDF.transform([text])
single.toarray()

我想为每个值分别关联相应的功能。现在单身的结构是什么？您如何将单个值的位置映射到特征？

如何解释词汇和get_features（）的索引？他们有关系吗？两者均具有根据文档提供索引的功能。那令人困惑吗？

Answer 1

属性 vocabulary _ 输出一个字典，其中所有ngram是字典关键字，而各个值是tfidf矩阵中每个ngram（特征）的列位置。方法 get_feature_names（）输出一个列表，其中的ngrams根据每个要素的列位置出现。因此，您可以使用任一方法来确定哪个tfidf列对应于哪个功能。在下面的示例中，使用get_feature_names（）的输出来命名列，可以轻松地将tfidf矩阵转换为熊猫数据帧。还要注意，所有值都被赋予了相等的权重，并且所有权重的平方和等于1。

singleTFIDF.vocabulary_
Out[41]: 
{'this': 5,
 'is': 1,
 'simple': 3,
 'example': 0,
 'this is': 6,
 'is simple': 2,
 'simple example': 4}

singleTFIDF.get_feature_names()
Out[42]: ['example', 'is', 'is simple', 'simple', 'simple example', 'this', 'this is']

import pandas as pd
df = pd.DataFrame(single.toarray(), columns=singleTFIDF.get_feature_names())

df
Out[48]: 
    example        is  is simple    simple  simple example      this   this is
0  0.377964  0.377964   0.377964  0.377964        0.377964  0.377964  0.377964

TfidfVectorizer的词汇和get_features（）之间的区别？

1 个答案: