scikit-learn，向矢量化文檔集添加特徵

Question

我開始使用scikit-learn，我試圖將一組文檔轉換爲可應用聚類和分類的格式。我已經看到了有關矢量化方法的詳細信息，以及tfidf轉換來加載文件併爲其詞彙表編制索引。

不過，我會爲每個文件額外的元數據，如作者，這是負責任的，主題列表劃分等

我怎麼能功能添加到由矢量化功能生成的每個文檔向量？

Answer 1

您可以使用DictVectorizer作爲額外的分類數據，然後使用scipy.sparse.hstack來合併它們。