NLP：利用DictVectorizer对使用字典存储的数据进行特征抽取与向量化
【摘要】 NLP：利用DictVectorizer对使用字典存储的数据进行特征抽取与向量化
目录
输出结果
实现代码
输出结果
实现代码
#定义一组字典列表，用来表示多个数据样本(每个字典代表一个数据样本)from sklearn.feature_extraction import DictVectorizermeasuremen...
NLP：利用DictVectorizer对使用字典存储的数据进行特征抽取与向量化
目录
输出结果
实现代码
#定义一组字典列表，用来表示多个数据样本(每个字典代表一个数据样本)
from sklearn.feature_extraction import DictVectorizer
measurements = [{'city': 'Shang Hai', 'temperature': 33.}, {'city': 'Bei Jing', 'temperature': 12.}, {'city': 'Las Vegas', 'temperature': 18.}]
vec = DictVectorizer() #初始化DictVectorizer特征抽取器
print(vec.fit_transform(measurements).toarray()) #输出转化之后的特征矩阵
print(vec.get_feature_names()) #输出各个维度的特征含义
文章来源: yunyaniu.blog.csdn.net，作者：一个处女座的程序猿，版权归原作者所有，如需转载，请联系作者。
原文链接：yunyaniu.blog.csdn.net/article/details/88082930
【版权声明】本文为华为云社区用户转载文章，如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
作者其他文章
评论（0）