字典特征提取，文本特征提取。

1 定义

将任意数据（如文本或图像）转换为可用于机器学习的数字特征

注：特征值化是为了计算机更好的去理解数据

• 特征提取分类:
  • 字典特征提取(特征离散化)
  • 文本特征提取
  • 图像特征提取

2. 字典特征提取API

sklearn.feature_extraction

3. 字典特征提取案例：

1.实现效果：

2.实现代码

4. 文本特征提取

1. 方法

2. 英文案例

1. 实现效果

2.流程

from sklearn.feature_extraction.text import CountVectorizer

def text_count_demo():
    """ 对文本进行特征抽取，countvetorizer :return: None """
    data = ["life is short,i like like python", "life is too long,i dislike python"]
    # 1、实例化一个转换器类
    # transfer = CountVectorizer(sparse=False) # 注意,没有sparse这个参数
    transfer = CountVectorizer()
    # 2、调用fit_transform
    data = transfer.fit_transform(data)
    print("文本特征抽取的结果：\n", data.toarray())
    print("返回特征名字：\n", transfer.get_feature_names())

    return None

运行结果：

文本特征抽取的结果：
[[0 1 1 2 0 1 1 0]
[1 1 1 0 1 1 0 1]]
返回特征名字：
[‘dislike’, ‘is’, ‘life’, ‘like’, ‘long’, ‘python’, ‘short’, ‘too’]

3. 中文案例

使用到的包

from sklearn.feature_extraction import DictVectorizer  #字典特征提取
from sklearn.feature_extraction.text import CountVectorizer #文本特征提取
import jieba
from sklearn.feature_extraction.text import TfidfVectorizer