Python 为kmeans scikit堆叠3个变量

我有3个变量，我想适合kmeans模型。一个是TFIDF向量，一个是计数向量，第三个是文档中的字数（句子列表）

这是我的密码：

vectorizer=TfidfVectorizer(min_df=1, max_df=0.9, stop_words='english', decode_error='ignore')
vectorized=vectorizer.fit_transform(sentence_list)

count_vectorizer=CountVectorizer(min_df=1, max_df=0.9, stop_words='english', decode_error='ignore')
count_vectorized=count_vectorizer.fit_transform(sentence_list)

sentence_list_len # for each document, how many words are there

km=KMeans(n_clusters=num_clusters, init='k-means++',n_init=10, verbose=1)
km.fit(vectorized)

---

如何将3个变量拟合到km.fit中？具体来说，我如何将这三个向量堆叠起来，并将其馈送到km.fit（）？

只需将向量串联起来即可。请参见

numpy.concatenate

或

numpy.vstack

/

numpy.hstack

。但是，请注意，kmeans在高维数据中无法正常工作，并且可能会忽略“小”特征。您有三种不同比例的特征，这将严重影响聚类结果。一般来说，kmeans不是NLP群集任务的好方法。

官方方法是使用：

---

这与您使用hstack的示例有何不同？没有大的区别。在这里你加入变换矩阵，在这里你直接使用矢量器。这也可以在管道中使用，因此更易于使用，例如在CrossValidation中。我当时还认为，由于你还在学习，最好能看到幕后发生了什么。

from sklearn.pipeline import FeatureUnion

tfidf =TfidfVectorizer()
cvect = CountVectorizer()
features = FeatureUnion([('cvect', cvect), ('tfidf', tfidf)])
X = features.fit_transform(sentence_list)