如何获取手套向量的特征名称
How to get feature names for a glove vectors
Countvectorizer 有像这样的特征名称。
vectorizer = CountVectorizer(min_df=10,ngram_range=(1,4), max_features=15000)
vectorizer.fit(X_train['essay'].values) # fit has to happen only on train data
X_train_essay_bow = vectorizer.transform(X_train['essay'].values)
feature_names= vectorizer.get_feature_names()
手套向量的特征名称是什么？
如何获取这些特征名称？
with open('glove_vectors', 'rb') as f:
model = pickle.load(f)
glove_words = set(model.keys())
我有如上所示的 300 维的手套矢量文件。
手套向量的 300 个维度的名称是什么？
Glove 功能没有名称。 countvectorizer 计算每个标记在每个句子中的出现次数。因此，这些功能具有易于理解的名称。特征“猫”是标记“猫”的每个句子中的计数。
对于 Glove Vectors，策略完全不同，没有等效的特征表示。手套向量是抽象词的嵌入 N-dimensional space.
令牌的 Glove 向量来自将令牌作为输入传递到经过训练的神经网络，并在中间激活 auto-encoding 层。
如果您曾经训练过深度神经网络，想象一下在其中选择一些隐藏层。该隐藏层中每个节点的 feature_name 是多少？这是一个毫无意义的问题，因为节点不是特征；它们的存在是为了将激活传递给下一层。 Glove向量特征也是如此；它们是网络中隐藏层的激活值。
Countvectorizer 有像这样的特征名称。
vectorizer = CountVectorizer(min_df=10,ngram_range=(1,4), max_features=15000)
vectorizer.fit(X_train['essay'].values) # fit has to happen only on train data
X_train_essay_bow = vectorizer.transform(X_train['essay'].values)
feature_names= vectorizer.get_feature_names()
手套向量的特征名称是什么？
如何获取这些特征名称？
with open('glove_vectors', 'rb') as f:
model = pickle.load(f)
glove_words = set(model.keys())
我有如上所示的 300 维的手套矢量文件。
手套向量的 300 个维度的名称是什么？
Glove 功能没有名称。 countvectorizer 计算每个标记在每个句子中的出现次数。因此，这些功能具有易于理解的名称。特征“猫”是标记“猫”的每个句子中的计数。
对于 Glove Vectors，策略完全不同，没有等效的特征表示。手套向量是抽象词的嵌入 N-dimensional space.
令牌的 Glove 向量来自将令牌作为输入传递到经过训练的神经网络，并在中间激活 auto-encoding 层。
如果您曾经训练过深度神经网络，想象一下在其中选择一些隐藏层。该隐藏层中每个节点的 feature_name 是多少？这是一个毫无意义的问题，因为节点不是特征；它们的存在是为了将激活传递给下一层。 Glove向量特征也是如此；它们是网络中隐藏层的激活值。