我已經為這件事掙扎了一段時間了。

我的目標是獲取一個文本特征，并從中找出5-10個最好的單詞來幫助我分類。因此，我正在運行一個TfIdfVectorizer，現在選擇~90最佳。然而，當我縮小了特性數量之后，我無法看到實際選擇了哪些特性。在

以下是我所擁有的：import pandas

from sklearn.feature_extraction.text import TfidfVectorizer

from sklearn.feature_selection import SelectPercentile, f_classif

train=pandas.read_csv("train.tsv", sep='\t')

labels_train = train["label"]

documents = []

for i, row in train.iterrows():

documents.append((row['boilerplate'][1:-1].lower()))

vectorizer = TfidfVectorizer(sublinear_tf=True, stop_words="english")

features_train_transformed = vectorizer.fit_transform(documents)

selector = SelectPercentile(f_classif, percentile=0.1)

selector.fit(features_train_transformed, labels_train)

features_train_transformed = selector.transform(features_train_transformed).toarray()

結果是，features_train_transformed包含一個矩陣，其中包含所選單詞的每個文檔中每個單詞的所有tfidf分數，但是我不知道選擇了哪些單詞，并且像“get_feature_names()”這樣的方法對于SelectPercentile類不可用。在

這是必要的，因為我需要將這些特征添加到一堆數字特征中，然后才能進行訓練和預測。在

總結

以上是生活随笔為你收集整理的python的功能名称_ML获取功能选择后的功能名称SelectPercentile，python的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。