CountVectorizer只返回零

Question

我想從給定的文檔中提取一些功能，給定一組預定義的功能。

from sklearn.feature_extraction.text import CountVectorizer 
features = ['a', 'b', 'c'] 
doc = ['a', 'c'] 

vectoriser = CountVectorizer() 
vectoriser.vocabulary = features 
vectoriser.fit_transform(doc) 

但是輸出，是一個2×3矩陣，用零代替填寫：

desired_output = [[1, 0, 0] 
        [0, 0, 1]] 

任何幫助，將不勝感激

Answer 1

這是因爲在CountVectorizer默認令牌格局將擺脫只有一個字符長的任何單詞。您可以更改默認令牌模式以解決此問題：

from sklearn.feature_extraction.text import CountVectorizer 
features = ['a', 'b', 'c'] 
doc = ['a', 'c'] 

vectoriser = CountVectorizer(vocabulary=features, token_pattern=r"\b\w+\b") 

vectoriser.fit_transform(doc)