首先,当前的问题。{I}正在为cda}编写语法问题。我要实现的是重写fit_transform
函数,它只稍微改变输入,然后用新参数调用它的super
-方法:
from sklearn.feature_extraction.text import TfidfVectorizer
class TidfVectorizerWrapper(TfidfVectorizer):
def __init__(self):
TfidfVectorizer.__init__(self) # is this even necessary?
def fit_transform(self, x, y=None, **fit_params):
x = [content.split('\t')[0] for content in x] # filtering the input
return TfidfVectorizer.fit_transform(self, x, y, fit_params)
# this is the critical part, my IDE tells me for
# fit_params: 'unexpected arguments'
这个程序到处崩溃,从Multiprocessing exception
开始,没有告诉我任何有用的东西。如何正确地执行此操作?在
附加信息:我之所以需要这样包装它是因为我使用sklearn.pipeline.FeatureUnion
来收集特性提取器,然后再将它们放入sklearn.pipeline.Pipeline
。这样做的结果是,我只能在所有特征提取程序中提供一个数据集——但是不同的提取程序需要不同的数据。我的解决方案是以一种易于分离的格式提供数据,并在不同的提取器中过滤不同的部分。如果这个问题有更好的解决办法,我也很乐意听到。在
编辑1:
添加**
来解压dict似乎没有任何改变:
编辑2: 我刚刚解决了剩下的问题——我需要移除构造函数重载。显然,通过尝试调用父构造函数,希望所有实例变量都能正确启动,我做的恰恰相反。我的包装器不知道它能得到什么样的参数。一旦我取消了多余的电话,一切都很顺利。在
您忘记了对作为
dict
传递的fit_params
进行解压缩,而您想将其作为需要解压缩运算符**
的keyword arguments
来传递。在另一个直接调用}的方法可以通过
^{pr2}$TfidfVectorizer
的{super
方法调用重载版本要理解它,请检查以下示例
它打印字典
{'a': 1, 'b': 2}
同时打印字典和
foo2
,但是当我们向
foo1
发送一个与字典相等的位置参数时引发错误,该参数不接受此类内容。但我们可以这么做它工作得很好,但是打印了一个新字典
{'x': {'a': 1, 'b': 2}}
相关问题 更多 >
编程相关推荐