sklearn/CountVectorizer：使用不同的输入语料库进行拟合和转换

Question

我正在使用sklearn python lib中的CountVectorizer将文件中的语料库矢量化，并使用input='filename'选项初始化CountVectorizer

from sklearn.feature_extraction.text import CountVectorizer
corpus1=['file_name1','file_name2',...]
count_vectorizer = CountVectorizer(input='filename')
MAT1 = count_vectorizer.fit_transform(corpus1)

然后我需要使用该模型来转换一个新的语料库，但是数字阵列（['str1'，'str2']）

^{pr2}$

当CountVectorizer用input='content'初始化时，通常可以这样做，但我不知道如何指定新的输入类型。在

有什么办法或者解决办法吗？在

谢谢！在

Answer 1

您可以在训练后更改count_vectorizer.input值。在

from sklearn.feature_extraction.text import CountVectorizer

corpus1=['file_name1','file_name2',...]
count_vectorizer = CountVectorizer(input='filename')
MAT1 = count_vectorizer.fit_transform(corpus1)

count_vectorizer.input = 'content'
corpus2 = numpy.array(['str1','str2'])
MAT2 = count_vectorizer.transform(corpus2)

我不知道这样做是否有任何影响，但是，因为它是一个公共属性，我认为您可以更改它的值。在