Python 如何为分类器创建二进制特征向量

我已经成功地实现了SVM分类器。我没有使用scikit方法。我目前正在使用不同类型的数据对其进行培训。现在，我想测试它的单个文本输入。 我尝试使用熊猫，但后来我不得不改变我的方法，所以我决定不使用它。 该分类器用于带有积极、消极和中性标签的情绪分析。输入分类器的数据集由来自twitter的tweet组成。 这是我的分类器：

因此，我需要帮助用python设计一个函数，该函数将接受一个字符串输入，将其与我的功能列表进行比较，并生成一个二进制向量。或者如果有其他选择，请提出建议。 示例：如果我的文本输入为“足球是欧洲流行的运动”

---

因此，建议的函数将扫描特征列表（已经在测试数据的帮助下生成），如果特征列表中存在诸如“足球”、“流行”、“运动”、“欧洲”等特征词，它将附加1或0。因此，在扫描函数之后，输出应该是[…，1,0,1,1,0,0,0，…]。

使用您感兴趣的单词和相同大小的热编码器创建词汇表。阅读文本文件，并更新热编码器，以防在词汇表中找到单词。这个代码应该可以工作

vocabulary = ['Football', 'Europe'] # Put your targer words in here
hot_encoder = [0] * len(vocabulary)
binary_bag = dict(zip(vocabulary, hot_encoder))
with open('text.txt', 'r') as f: #Put your text sample in here
    words = [word for line in f for word in line.split()]
    for word in words:
        if word in vocabulary and binary_bag[word] == 0:
            binary_bag[word] = 1

---

什么是分类器？什么是功能？什么是目标？很抱歉略过一些细节。该分类器用于情绪分析，具有正面、负面和中性标签，它包含从推特数据集中提取的特征。那么您的意思是为文本输入生成一个热门特征？scikit有一些文本功能工具可用于此。热功能？只是一个特征向量，它扫描特征列表并生成二进制数组1（如果存在输入特征）或0。请检查示例。这就是你想要的？谢谢你的回答！如果我能在输出中隐藏标签就好了。示例：与['Football'：1，'Europe'：0..]不同，它可能只是[1,0,0..]吗？在这一步中要小心。既然你在使用字典，你应该记住，口述不能维持秩序。因此，您应该使用初始列表来帮助您实现此目标。此代码应该可以工作：

对于idx，输入枚举（词汇表）：热编码器[idx]=二进制包[key]