Scikit-learn 的 DictVectorizer 怎麼使用

2015-08-02

以往使用的機器學習（Machine Learning）工具都是 LIBSVM，而這次因緣際會用了 Python 的 scikit-learn，卻不知道如何使用自己的 Feature，剛好來記錄一下。

scikit-learn 很強大的內建了幾種 Feature generator，像是 CountVectorizer、TfidfVectorizer…等等。而 DictVectorizer 則可以搭配自己的 Feature ，用法如下：

1
2
3
4
5
6
7
8
9
10
11
from sklearn.feature_extraction import DictVectorizer

vectorizer = DictVectorizer(sparse=False)
features = [
    {'feature_name_1': 1, 'feature_name_2': 2},
    {'feature_name_1': 3, 'feature_name_3': 1}
]
X = vectorizer.fit_transform(features)

model = SomeKindofModel()
clf = model.fit(X, label)