Sklearn TfidfVectorizer로 기간을 분석하지 않는 방법은 무엇입니까?

Question

방금 ​​sklearn을 가져 와서 내 뻔뻔스러운 무지를 용서해 주었다.) ... 지금은 TfidfVectorizer가 어떻게 작동하는지, 그리고 마침표에서 어떻게 피하는지를 파악하려고합니다.

from sklearn.feature_extraction.text import TfidfVectorizer 

docs= ("'CSC.labtrunk', 'CSC.datacenter', 'CSC.netbu', 'CSC.asr5k.general', 'CSC.ena', 'CSC.embu'", "'CSC.ena'", "'CSC.embu', 'CSC.security', 'CSC.ena'", "'CSC.embu', 'CSC.datacenter', 'CSC.labtrunk', 'CSC.content-security', 'CSC.ena', 'CSC.embu.dev', 'CSC.spv.custom-prods', 'CSC.voice', 'CSC.policy-mgmt', 'CSC.nuova'", "'CSC.embu', 'CSC.sys', 'CSC.policy-mgmt', 'CSC.content-security', 'CSC.datacenter'", "'CSC.asr5k.general'", "'CSC.sys'", "'CSC.labtrunk'")  
    vec = TfidfVectorizer() 
    trfm_data = vec.fit_transform(docs) 
    print trfm_data 

출력 샘플 :

(0, 6) 0.200552591995 
    (0, 7) 0.200552591995 
    (0, 8) 0.265074737928 
    (0, 0) 0.265074737928 
    (0, 11) 0.316288846342 
    (0, 4) 0.228737749732 
    (0, 9) 0.228737749732 
    (0, 2) 0.757857197424 


    print vec.inverse_transform(trfm_data) 

출력 샘플 :

[u'embu', u'ena', u'general', u'asr5k', u'netbu', u'datacenter', 
     u'labtrunk', u'csc'] 

적으로는, 내가 문자열과 같은 "'CSC.labtrunk', 'CSC.datacenter', 'CSC.netbu', 'CSC.asr5k.general', 'CSC.ena', 'CSC.embu'" 각 항목을 치료하고 싶습니다.

Answer 1

올바른 규칙인지 확실하지 않지만 문자열 튜플 대신 문자열 목록을 사용하여 원하는 결과를 얻었습니다.

샘플 데이터 :

data = ["'CSC.labtrunk', 'CSC.datacenter', 'CSC.netbu', 'CSC.asr5k.general', 'CSC.ena', 'CSC.embu'", "'CSC.ena'", "'CSC.embu', 'CSC.security', 'CSC.ena'", "'CSC.embu', 'CSC.datacenter', 'CSC.labtrunk', 'CSC.content-security', 'CSC.ena', 'CSC.embu.dev', 'CSC.spv.custom-prods', 'CSC.voice', 'CSC.policy-mgmt', 'CSC.nuova'", "'CSC.embu', 'CSC.sys', 'CSC.policy-mgmt', 'CSC.content-security', 'CSC.datacenter'", "'CSC.asr5k.general'", "'CSC.sys'", "'CSC.labtrunk'"] 

vec = TfidfVectorizer(tokenizer=lambda i: i, lowercase=False) 
trfm_data = vec.fit_transform(data) 
data = trfm_data 
trfm_data data 

샘플 출력 :

[array(['CSC.embu', 'CSC.ena', 'CSC.asr5k.general', 'CSC.netbu', 
     'CSC.datacenter', 'CSC.labtrunk'], 
     dtype='|S20'), array(['CSC.ena'], 
     dtype='|S20'), array(['CSC.security', 'CSC.embu', 'CSC.ena']