Scikit learn 使用分类特征和文本进行分类

我试图把电影分为两类。我得到了这部电影的情节大纲和类型。当我使用TFIDFvectorier时，为了将我的概要转换为功能，我需要使用电影的类型作为一个单独的功能

目前，我只是在大纲的文本中添加体裁，并将其输入分类器

问题在于，这两种特征是不同的。当这些词被转换成tfidf矩阵时，我觉得应该以不同的方式对待这一类型，而不仅仅是像其他任何词一样。还有什么我可以做到的吗？

您应该使用，对于每个可能的分类功能（流派），它会创建新的二进制功能，并且仅当您的电影来自该流派时，才会在相应的功能上设置1

from sklearn.feature_extraction import DictVectorizer
v = DictVectorizer(sparse=False)
D = [{'genre':'action'}, {'genre':'drama'}, {'genre':'comedy'}, {'genre':'drama'}]
v.fit_transform(D)
v.feature_names_

结果：

array([[ 1.,  0.,  0.],
       [ 0.,  0.,  1.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])

['genre=action', 'genre=comedy', 'genre=drama']

---

您还可以使用将TfidfVectorizer和DictVectorizer中的功能连接起来

很难找到一种干净的方法来包含分类功能

将体裁附加到大纲中确实是一种前进的方式。如果你想赋予它更多的重要性，你可以多次附加它（例如，如果你使用的是单词袋）

另一种技术是训练两个不同的分类器，一个使用文本数据，另一个使用常规特征。然后，您可以对结果进行集成（以预测概率的平均值为例）。
如果你只有一个分类特征，你可以用它来推断最后一个类的一些先验知识

希望这有帮助