AttributeError: getfeature_names 未找到；使用 scikit-learn

Question

from sklearn.feature_extraction.text import CountVectorizer

vectorizer = CountVectorizer()
vectorizer = vectorizer.fit(word_data)
freq_term_mat = vectorizer.transform(word_data)

from sklearn.feature_extraction.text import TfidfTransformer

tfidf = TfidfTransformer(norm="l2")
tfidf = tfidf.fit(freq_term_mat)
Ttf_idf_matrix = tfidf.transform(freq_term_mat)

voc_words = Ttf_idf_matrix.getfeature_names()
print "The num of words = ",len(voc_words)

当我运行包含这段代码的程序时，出现以下错误：

回溯（最近一次调用）：文件“vectorize_text.py”，第 87 行，在
voc_words = Ttf_idf_matrix.getfeature_names()
文件“/home/farheen/anaconda/lib/python2.7/site->packages/scipy/sparse/ base.py", line 499, in getattr
raise AttributeError(attr + " not found")
AttributeError: get_feature_names not found

请建议我一个解决方案。

Answer 1

我发现您的代码有两个问题。首先，您将 get_feature_names() 应用于矩阵输出，而不是矢量化器。您需要将其应用于矢量化器。其次，您不必要地将其分解为太多步骤。您可以使用 TfidfVectorizer.fit_transform() 在更少的空间内做您想做的事。尝试这个：

from sklearn.feature_extraction.text import TfidfVectorizer

vectorizer = TfidfVectorizer()
transformed = vectorizer.fit_transform(word_data)
print "Num words:", len(vectorizer.get_feature_names())