Python 如何让scikit从预先标记的文档计算文档术语矩阵？

我必须使用预先标记的文档，我可以将这些文档加载到字符串的

列表中。我想使用scikit计算它们的文档术语矩阵。这可能吗

或者我应该自己手动构造/计算docterm矩阵吗

我之所以要使用scikit，是因为上述内容需要集成到一个经过scikits CountVectorizer和培训的程序中
 在下面的代码中，text_list是“列表列表”，换句话说text_list=[[doc1]、[doc2]、…、[docn]]。您可以获得一个稀疏矩阵，其中包含语料库中每个文档的术语及其频率

from sklearn.feature_extraction.text import CountVectorizer

count_vect = CountVectorizer()
TermCountsDoc = count_vect.fit_transform(text_list)   
Terms = np.array(count_vect.vocabulary_.keys())
T= TermCountsDoc.todense() #in case you need to transform it to dense matrix

是的，您可以使用CountVectorizer。但是要确保把一个样本的所有术语都包含在一个列表中，可能用空格隔开。对不起，我不明白。假设我已经有了一份适合以前文档的简历，我该如何将多个列表（每个列表对应于一个文档）转换为文档术语矩阵？感谢调用似乎不起作用的transform（）。我有一个
计数向量器cv
，一个字符串列表
文本
，还有一个
多项式NB预测器
。如果我先做
dtm=cv.transform（text）
，然后再做
prediction=predictor.predict（dtm）
，我得到的预测数与文本中的单词数一样多。它似乎是为文本中的每个单词分配一个类。我不想那样。我有一篇文章，我想把它作为一个整体来分类（所以我希望有一个预测）。我做错什么了吗？您传递给transform的列表中的每个元素（在您的例子中为
text
）都将用作一个单独的示例。如果希望它们被视为单个，请将它们作为单个字符串传递，并在列表中用空格分隔，以便len（list）=1。感谢您的帮助。所以很奇怪，这对我不起作用。Scikit向我抱怨它如何期望一个字符串列表，而不是一个字符串列表。。。然而，我发现了一种不同的方法，因此我不再进一步探讨这一途径。