NLP：利用DictVectorizer对使用字典存储的数据进行特征抽取与向量化

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 DictVectorizermeasurements = [{'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

如果觉得《NLP：利用DictVectorizer对使用字典存储的数据进行特征抽取与向量化》对你有帮助，请点赞、收藏，并留下你的观点哦！