CountVectorizer शब्दावली मुद्रित नहीं करता

Question

मैंने पायथन 2.7, numpy 1.9.0, scipy 0.15.1 और scikit-learn 0.15.2 स्थापित किया है। अब जब मैं अजगर में निम्नलिखित है:

train_set = ("The sky is blue.", "The sun is bright.") 
test_set = ("The sun in the sky is bright.", 
"We can see the shining sun, the bright sun.") 

from sklearn.feature_extraction.text import CountVectorizer 
vectorizer = CountVectorizer() 

print vectorizer 


    CountVectorizer(analyzer=u'word', binary=False, charset=None, 
    charset_error=None, decode_error=u'strict', 
    dtype=<type 'numpy.int64'>, encoding=u'utf-8', input=u'content', 
    lowercase=True, max_df=1.0, max_features=None, min_df=1, 
    ngram_range=(1, 1), preprocessor=None, stop_words=None, 
    strip_accents=None, token_pattern=u'(?u)\\b\\w\\w+\\b', 
    tokenizer=None, vocabulary=None) 

    vectorizer.fit_transform(train_set) 
    print vectorizer.vocabulary 

    None. 

वास्तव में यह मुद्रित किया जाना चाहिए था निम्नलिखित: http://blog.christianperone.com/?p=1589

आप कृपया मदद कर सका:

CountVectorizer(analyzer__min_n=1, 
analyzer__stop_words=set(['all', 'six', 'less', 'being', 'indeed', 'over',  
'move', 'anyway', 'four', 'not', 'own', 'through', 'yourselves', (...) --->  
For count vectorizer 

{'blue': 0, 'sun': 1, 'bright': 2, 'sky': 3} ---> for vocabulary 

ऊपर कोड ब्लॉग से कर रहे हैं मुझे इस तरह की त्रुटि क्यों मिलती है। चूंकि शब्दावली को ठीक से अनुक्रमित नहीं किया गया है, इसलिए मैं टीएफ-आईडीएफ की अवधारणा को समझने में आगे बढ़ने में सक्षम नहीं हूं। मैं अजगर के लिए नौसिखिया हूँ इसलिए किसी भी मदद की सराहना की जाएगी।

आर्क।

Answer 1

आप एक अंडरस्कोर याद कर रहे हैं, इस तरह का प्रयास करें:

from sklearn.feature_extraction.text import CountVectorizer 
train_set = ("The sky is blue.", "The sun is bright.") 
test_set = ("The sun in the sky is bright.", 
    "We can see the shining sun, the bright sun.") 

vectorizer = CountVectorizer(stop_words='english') 
document_term_matrix = vectorizer.fit_transform(train_set) 
print vectorizer.vocabulary_ 
# {u'blue': 0, u'sun': 3, u'bright': 1, u'sky': 2} 

आप IPython खोल का उपयोग करते हैं, तो आप टैब पूरा होने का उपयोग कर सकते हैं, और आप आसान तरीके और वस्तुओं की विशेषताओं पा सकते हैं।

Answer 2

vectorizer.get_feature_names() विधि का उपयोग करने का प्रयास करें। यह कॉलम नाम document_term_matrix में दिखाई देने वाले क्रम में देता है।

from sklearn.feature_extraction.text import CountVectorizer 
train_set = ("The sky is blue.", "The sun is bright.") 
test_set = ("The sun in the sky is bright.", 
    "We can see the shining sun, the bright sun.") 

vectorizer = CountVectorizer(stop_words='english') 
document_term_matrix = vectorizer.fit_transform(train_set) 
vectorizer.get_feature_names() 
#> ['blue', 'bright', 'sky', 'sun']