向Sklearn分类器添加功能

Question

我正在构建一个SGDClassifier,并使用一个tf idf转换器.除了从tf idf 创建的功能外,我还想添加其他功能,如文档长度或其他评级.如何将这些功能添加到功能集中？以下是如何在管道中构造分类器:

data = fetch_20newsgroups(subset='train', categories=None)
pipeline = Pipeline([
    ('vect', CountVectorizer()),
    ('tfidf', TfidfTransformer()),
    ('clf', SGDClassifier()),
])
parameters = {
    'vect__max_df': (0.5, 0.75, 1.0),
    'vect__max_features': (None, 5000, 10000, 50000),
    'vect__ngram_range': ((1, 1), (1, 2)),  # unigrams or bigrams
    'tfidf__use_idf': (True, False),
}

grid_search = GridSearchCV(pipeline, parameters, n_jobs=-1, verbose=1)
grid_search.fit(data.data, data.target)
print(grid_search.best_score_)

Answer 1

您可以使用功能联合http://scikit-learn.org/stable/modules/pipeline.html#featureunion-composite-feature-spaces

文档https://scikit-learn.org/0.18/auto_examples/hetero_feature_union.html中有一个很好的例子,我认为这完全符合您的要求.见TextStats变压器.

[更新:示例是针对scikit learn = <0.18]

问候,