machine-learning - 如何在机器学习训练集中结合文本和数字特征？

Question

我试图根据数字特征和文本特征来预测社交网络中帖子的点赞数。现在我有了具有所需功能的数据框，但我不知道如何处理帖子文本数据。我应该对其进行矢量化/做其他事情以获得合适的训练矩阵吗？我将使用 sklearn 的 LinearSVC 进行分析。

Answer 1

有很多不同的方法可以将文本特征转换为数字特征。

最常见的方法之一是词袋方法。将文本转换为包含每个单词出现次数的数组。

如果您正在使用 scikit-learn，我建议您阅读他们的 Text Feature extraction User Guide .

另请参阅NLTK toolkit了解处理文本数据的更复杂的方法。