在scikit-learn中组合独立特征

Question

我有一个关于不同特征组合的小问题。

我的情况是：

我有一些文档，每个文档都有标题、一些标签和一段文本，需要将其分类为“垃圾邮件”或“正常邮件”。为了从文档中提取特征（标题和文本），我使用了在scikit-learn的bug跟踪器中描述的方法。

在这个步骤之后，我可以使用clf.fit(X,Y)，其中X是fit_transform操作的结果，而Y表示文档是正常邮件（0）还是垃圾邮件（1）。

我的问题是：

有什么好的方法可以将标签也作为特征来处理呢？我考虑过使用FeatureHasher，用一个字典来包含每个文档的标签作为特征（例如{"tag1": 1, "tag35":1}）。

Answer 1

你可以看看 FeatureUnion，具体内容可以在 这里 找到。它的作用是让你可以创建多个转换器，然后把它们的输出结果合并成一个矩阵。