Python 我应该如何使用scikit learn将以下列表矢量化？

我想用scikit矢量化学习一个有列表的列表。我走到一条有培训教材的道路上，我阅读了这些教材，然后我得到了如下内容：

corpus = [["this is spam, 'SPAM'"],["this is ham, 'HAM'"],["this is nothing, 'NOTHING'"]]

from sklearn.feature_extraction.text import CountVectorizer
vect = CountVectorizer(analyzer='word')
vect_representation= vect.fit_transform(corpus)
print vect_representation.toarray()

我得到以下信息：

return lambda x: strip_accents(x.lower())
AttributeError: 'list' object has no attribute 'lower'

---

还有一个问题是每个文档末尾的标签，我应该如何处理它们以进行正确的分类？

首先，您应该将标签与文本分开。如果要使用CountVectorizer，必须逐个转换文本：

corpus = [["this is spam, 'SPAM'"],["this is ham, 'HAM'"],["this is nothing, 'NOTHING'"]]
from sklearn.feature_extraction.text import CountVectorizer
... split labels from texts
vect = CountVectorizer(analyzer='word')
vect_representation= map(vect.fit_transform,corpus)
...

---

作为另一个选项，您可以直接与列表一起使用。

对于将来的每个人，这可以解决我的问题：

corpus = [["this is spam, 'SPAM'"],["this is ham, 'HAM'"],["this is nothing, 'NOTHING'"]]

from sklearn.feature_extraction.text import CountVectorizer
bag_of_words = CountVectorizer(tokenizer=lambda doc: doc, lowercase=False).fit_transform(splited_labels_from_corpus)

这是我使用

.toarray（）

函数时的输出：

[[0 0 1]
 [1 0 0]
 [0 1 0]]

---

谢谢大家

那么我应该把标签和文本分开吗？。我在考虑使用一个有监督的aproach（MNB、SVM、LR）和使用

语料库作为训练数据，如果我去掉标签，我如何使用它们来训练分类器？。或者，这将通过scikit提供的教程中的
y
来解决（目标）是，通常y代表scikit中的标签列表。因此，您必须将语料库拆分为X和Y。我拆分了标签，但当我执行以下操作时：''vect_representation.toarray（）'）我有以下内容：
AttributeError:'list'对象没有属性'toarray
我想可视化文档术语矩阵。每个文档一个向量，如何处理？thanksvect_表示是向量列表。您可以通过toarray（）可视化列表中的每个向量。“作为另一个选项，您可以将TfidfVectorizer直接用于列表列表。”，具体如何？对我不起作用。有人能推荐我一种更像蟒蛇的方法吗？。提前感谢各位。您不需要两个
countvectoriers
，为什么您的输入数据总是与标签如此奇怪地混合在一起？对不起，第一个
vect
是一个错误。我没有意识到（我只是复制并粘贴问题的代码），我将编辑答案。我有这种格式，因为我只是在学习如何使用scikit学习我自己的语料库，我假设我有一个这样的语料库，每个列表一个文档。感谢您的反馈，数据总是与标签混合在一起，因为我不知道任何其他方法来标记训练数据。假设我在列表中有培训数据，并且每个列表都是一个文档，那么您建议我使用什么其他方法来标记培训数据？。如何告诉分类算法一个文档属于一个类？通常数据来自.csv文件，其中每行对应一个样本/文档，最后或第一列是标签。使用熊猫很容易做到这一点。如果您手动输入数据，则直接将标签放入
y
列表变量中，如
y=['SPAM'，'HAM'，…]
，长度等于文档数量，即不要将标签与文档混合。然后你的语料库将是
corpus=[“这是垃圾邮件”，“这是火腿”，…]
请阅读你的文章，因为我有类似的问题。我的错误是：语料库不应该是一个列表，它应该是一个字符串列表，就像这样：语料库=[“这是垃圾邮件”，“这是火腿”，…]