文章目录
1 定义2. 字典特征提取API3. 字典特征提取案例:1.实现效果:2.实现代码 4. 文本特征提取1. 方法2. 英文案例1. 实现效果2.流程 3. 中文案例使用到的包1 定义
将任意数据(如文本或图像)转换为可用于机器学习的数字特征
注:特征值化是为了计算机更好的去理解数据
特征提取分类: 字典特征提取(特征离散化)文本特征提取图像特征提取
2. 字典特征提取API
sklearn.feature_extraction
3. 字典特征提取案例:
1.实现效果:
2.实现代码
4. 文本特征提取
1. 方法
2. 英文案例
1. 实现效果
2.流程
from sklearn.feature_extraction.text import CountVectorizerdef text_count_demo():"""对文本进行特征抽取,countvetorizer:return: None"""data = ["life is short,i like like python", "life is too long,i dislike python"]# 1、实例化一个转换器类# transfer = CountVectorizer(sparse=False) # 注意,没有sparse这个参数transfer = CountVectorizer()# 2、调用fit_transformdata = transfer.fit_transform(data)print("文本特征抽取的结果:\n", data.toarray())print("返回特征名字:\n", transfer.get_feature_names())return None
运行结果:
文本特征抽取的结果:
[[0 1 1 2 0 1 1 0]
[1 1 1 0 1 1 0 1]]
返回特征名字:
[‘dislike’, ‘is’, ‘life’, ‘like’, ‘long’, ‘python’, ‘short’, ‘too’]
3. 中文案例
使用到的包
from sklearn.feature_extraction import DictVectorizer #字典特征提取from sklearn.feature_extraction.text import CountVectorizer #文本特征提取import jiebafrom sklearn.feature_extraction.text import TfidfVectorizer
如果觉得《字典特征提取 文本特征提取。》对你有帮助,请点赞、收藏,并留下你的观点哦!