Vector 如何对20个新闻组\矢量化数据集执行矢量操作？

当我通过

newsgroups = fetch_20newsgroups_vectorized(subset='all')
labels = newsgroups.target_names
target = newsgroups.target
target = pd.DataFrame([labels[i] for i in target], columns=['label'])
data = newsgroups.data

数据

是带有形状的

（18846130107）

---

如何按目标名称将数据子集（例如，仅提取“rec.sport.barball”）并对这些稀疏行向量使用向量运算（例如，计算平均向量或距离）？

不幸的是，“按目标名称对数据进行子集设置”选项在

fetch\u 20newsgroups\u vectorated

中不可用，但在中可用

fetch\u 20新闻组

，只需您自己对数据进行矢量化即可

这是你可以做到的

from sklearn.datasets import fetch_20newsgroups
from sklearn.feature_extraction.text import TfidfVectorizer
newsgroups_train = fetch_20newsgroups(subset='all',
                                      categories=['rec.sport.baseball'])
vectorizer = TfidfVectorizer()
vectors = vectorizer.fit_transform(newsgroups_train.data)
print(vectors.shape)
# (994, 13986)

阅读更多