回答情况：
提问时间：
问题标签：
我有一个嵌套的python列表，格式如下我需要使用HashingVectorizer()向量化这个列表，但是我不明白应该如何使用vectorizer.fit_transform处理这个列表Xc = vectorizer.fit_transform(npes)
上面的代码会给出以下错误
浏览 0提问于2017-09-11得票数 0
我想做的是在sklearn中使用hashingVectorizer和tfidfTransformer对垃圾邮件过滤器进行增量学习。这是我的密码-
messages_bow = HashingVectorizer(analyzer=split_into_lemmas,non_negativespam_detector=MB.partial_fit(messages_tfidf,final[i]['label'],classes=['ham','spam&
浏览 2提问于2017-04-04得票数 2
回答已采纳
我使用了特性散列来映射使用HashingVectorizer()的204567单词。我有一个热编码标签，并使用Perceptron()模型来解决这个多类分类问题。from keras.utils import np_utilsfromsklearn.linear_model import Perceptron
vect = Has
浏览 0修改于2017-07-17得票数 1
回答已采纳
HashingVectorizer的目标是低内存使用率。是否可以首先将一堆文件转换为HashingVectorizer对象(使用pickle.dump)，然后加载所有这些文件并将其转换为TfIdf功能？这些特征可以从HashingVectorizer中计算出来，因为可以存储计数并推断文档的数量。我现在有以下内容： vectorizer = HashingVectorizer(norm=None, non_negative=True)
features
浏览 2修改于2016-01-24得票数 3
我想了解是否可以使用SGDClassifier和TfidfTransformer来训练一个在线的HashingVectorizer (用partial_fit)。如果没有，在大型数据集中是否有将HashingVectorizer与tf相结合的替代解决方案？
浏览 7修改于2017-05-23得票数 4
回答已采纳
与散列向量器相反，我有以下代码：# list of text documentstext = ["The quick brown fox jumped over the lazy dog."]vectorizer = HashingVectorizer
浏览 1修改于2019-02-07得票数 0
回答已采纳
我正在使用以下代码生成一个模型：text_clf = OnlinePipeline([('vect', HashingVectorizer当我用TfidfVectorizer()替换HashingVectorizer()并重新导出时，我的模型是9kb。为什么会有这样的文件差异，而且无论如何都要减少HashingVectorizer导出的大小。
浏览 3提问于2018-11-28得票数 0
我正在使用来自sklearn.feature_extraction.text的HashingVectorizer函数，但我不明白它是如何工作的。我的代码corpus = [ 'This is the first documentvectorizer = HashingVectorizer(n_features=2**3)print(
浏览 0提问于2019-05-23得票数 5
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？
浏览 2提问于2018-08-16得票数 1
如果我使用HashingVectorizer，那么如何获得feature_names？也就是说，哪个列对应于哪个特性？，因为get_feature_names()方法在HashingVectorizer中不可用。
浏览 1修改于2014-04-04得票数 5
然后使用一个HashingVectorizer来准备由ML模型处理的文本(我希望将字符串散列为一个唯一的数值，以便ML模型能够在其上进行训练)
vectorizer = HashingVectorizer
浏览 0修改于2019-04-07得票数 2
因此，我有一个使用HashingVectorizer的建议。我使用了下面的分类代码(只是用TfidfVectorizer替换HashingVectorizer)vect = HashingVectorizer(stop_words=stop_words, ngram_range=(1,5))
X_train_dtm = vect.fit_transform逻辑是不同的，我不知道
浏览 0修改于2020-01-25得票数 1
提出了一种在散列向量器中处理哈希冲突的有趣方法:使用两个不同的散列函数，并在建模之前将其结果连接起来。我想用我正在学习的一些文本数据来尝试这一点。这样做的想法是两次运行，每次使用不同的哈希函数，然后将结果作为输入连接到我的模型中。或者我可以用实现这一点？
浏览 0提问于2018-12-13得票数 4
回答已采纳
类似于这个问题()，我希望在具有文本特性的列上应用CountVectorizer/HashingVectorizer，使用管道中的ColumnTransformer。但是我没有一个文本功能，而是多个。categorical_transformer = Pipeline(steps=[('encoder', OneHotEncoder())])
text_transformer = Pipeline(steps=[('hashing', HashingVectorizer
浏览 1提问于2021-07-14得票数 0
回答已采纳
我使用sklearn中的HashingVectorizer()来表示数据集的唯一ID，该数据集将数据散列为n列，并且我希望计算该数据的总SHAP值。
浏览 4提问于2022-06-21得票数 1
在矢量化步骤中，我想使用Hashingvectorizer()。ValueError: Input X must be non-negative以下是与此错误相关的块代码
vectorizer = HashingVectorizer
浏览 9提问于2016-04-06得票数 6
回答已采纳
Aaron Swartz"from __future__ import print_functionprint("")
print("Calculating Term Occurrences...")vectorizer = HashingVectorizer这个错误的一部分，我不明白，因为我认为M
浏览 0提问于2018-09-01得票数 1
对于这个purpose.Then，我已经使用了sklearn的HashingVectorizer，我必须使用keras来创建神经网络。但是，我不确定如何输入形状from sklearn.feature_extraction.text import HashingVectorizer
from sklearn.neural_network
浏览 11修改于2017-07-20得票数 0
回答已采纳
=\\s+)'
steps = [('vectorizer',HashingVectorizer(TOKENS_ALPHANUMERIC,
浏览 0修改于2018-05-08得票数 1
我现在需要一个简单的词包特征，所以我尝试使用TfidfVectorizer/HashingVectorizer/CountVectorizer来获得特征向量。要用代码来说明这一点，如下所示：train_vectors= vectoriser.fit_transform(train_data)vectoriser = CountVectorizer() # or Tfid
浏览 2修改于2022-10-27得票数 9
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号