从HashingVectorizer检索词汇表

Question

我使用tfidfVectorizer使用tfidf值作为权重，将单词向量转换为句子向量。因为我遇到了内存错误，所以我决定改用HashingVectorizer。有没有一种方法可以像tfidf_vectorizer.vocabulary_[word]一样获得这个设置中给定单词的向量？

Answer 1

HashingVectorizer是一个无状态转换器。如documentation of fit()中所示

fit(X，y=None)什么也不做:这个转换器是无状态的。

此fit()方法只是为了与scikit learn中的其他实用程序兼容。HashingVectorizer实际上什么都不记得了。所以没有词汇表。它只是从提供的文档中获取令牌，然后对其进行散列处理，以获得由构造函数中的n_features定义的列：

n_features :整数，default=(2 ** 20)

输出矩阵中的特征(列)数。少量的特征可能会导致散列冲突，但大量的特征会导致线性学习者的系数维更大。