显示功能名称

Question

我需要建立文本分类，现在我使用TfidfVectorizer和SelectKBest来选择功能，如下：

vectorizer = TfidfVectorizer(sublinear_tf = True, max_df = 0.5, stop_words = 'english',charset_error='strict') 

X_train_features = vectorizer.fit_transform(data_train.data) 
y_train_labels = data_train.target; 

ch2 = SelectKBest(chi2, k = 1000) 
X_train_features = ch2.fit_transform(X_train_features, y_train_labels) 

我想打印出选定的功能名称（文本）选择k最佳功能后，有没有办法做到这一点？我只需要打印出选定的功能名称，也许我应该使用CountVectorizer呢？

Answer 1

下面应该工作：

np.asarray(vectorizer.get_feature_names())[ch2.get_support()] 

Answer 2

要在@ ogrisel的回答扩大，功能返回的列表是在同一个订单时，他们已经被量化。下面的代码将给你一个根据他们的Chi-2分数降序排列的顶级功能列表（以及相应的p值）：

top_ranked_features = sorted(enumerate(ch2.scores_),key=lambda x:x[1], reverse=True)[:1000] 
top_ranked_features_indices = map(list,zip(*top_ranked_features))[0] 
for feature_pvalue in zip(np.asarray(train_vectorizer.get_feature_names())[top_ranked_features_indices],ch2.pvalues_[top_ranked_features_indices]): 
     print feature_pvalue