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 DictVectorizer measurements = [{'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

 

总结

以上是生活随笔为你收集整理的NLP：利用DictVectorizer对使用字典存储的数据进行特征抽取与向量化的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。