合并数字和文本特征进行分类

Question

我试图对产品进行分类，以便根据产品名称和基本价格预测其类别。在

例如（产品名称、价格、类别）：

['notebook sony vaio vgn-z770td dockstation', 3000.0, u'MLA54559']

以前我只使用产品名称的预测任务，但我想包括价格，看看是否准确性提高。在

我的代码的问题是我不能合并文本/数字特征，我在这里读了一些问题，这是我的代码摘录：

^{pr2}$

我尝试将数据类型与稀疏.hstack但我得到了以下错误：

ValueError: blocks[0,:] has incompatible row dimensions

我想问题出在X_train_price（价格列表）上，但我不知道如何格式化稀疏函数才能成功地工作。在

两个阵列的形状如下：

>>> X_train_tfidf.shape
(65845, 23136)
>>>X_train_price.shape
(65845,)

Answer 1

在我看来，这应该像堆叠数组一样简单。如果scikitlearn遵循我熟悉的约定，那么X_train_tfidf中的每一行都是一个训练数据点，总共有65845个点。所以你只需要做一个hstack，就像你说的那样。在

但是，您需要确保尺寸是兼容的！在香草numpy中，否则会出现此错误：

>>> a = numpy.arange(15).reshape(5, 3)
>>> b = numpy.arange(15, 20)
>>> numpy.hstack((a, b))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/System/Library/Frameworks/Python.framework/Versions/2.7/
        Extras/lib/python/numpy/core/shape_base.py", line 270, in hstack
    return _nx.concatenate(map(atleast_1d,tup),1)
ValueError: arrays must have same number of dimensions

重塑b以获得正确的维度，注意形状(5,)的一维数组与形状(5, 1)的二维数组完全不同。在

^{pr2}$

所以在您的例子中，您需要一个形状为(65845, 1)的数组，而不是(65845,)。我可能遗漏了一些东西，因为您正在使用稀疏数组。尽管如此，原则应该是一样的。基于以上代码，我不知道您使用的是什么稀疏格式，所以我只选择了一个进行测试：

>>> a = scipy.sparse.lil_matrix(numpy.arange(15).reshape(5, 3))
>>> scipy.sparse.hstack((a, b.reshape(5, 1))).toarray()
array([[ 0,  1,  2, 15],
       [ 3,  4,  5, 16],
       [ 6,  7,  8, 17],
       [ 9, 10, 11, 18],
       [12, 13, 14, 19]])