Scikit learn 矢量器（散列、计数等）：在fit_变换后重用

假设我有两个特征，它们都是基于文本的；例如，假设我试图预测体育比赛，我得到：

1） 摘自体育评论（正文） 2） 摘自互联网粉丝预测（也是正文）

---

如果我在功能1上使用文本向量器（比如HashingVectorizer）和fit_transform（），那么在功能2上再次使用它（fit_transform（））是不好的，还是应该为此创建一个新的向量器？我只是想知道，在使用同一矢量器的多个功能上重复使用fit_transform（）是否会产生不良副作用。

我想说，这取决于您是否希望文本到矢量转换步骤的再现性。例如，如果要使用从第一个数据集生成的相同分类器（或任何东西），则需要重用矢量器。如果在不同的数据集上安装一个新的，它将构建不同的词汇表，即提取不同的标记，并使向量不同。这可能是你想要的一个非常不同的数据集（如果你要再培训）。第二个数据集可能包含对预测至关重要的新词。如果重新使用矢量器，这些将丢失

---

顺便说一下，如果要保存到磁盘，可以对矢量器进行pickle处理。有关示例，请参见：

HashingVectorizer

完全是无状态的，因此它始终可以安全地重用。但我不明白你为什么不一次完成整个训练集。