Scikits学习：使用自定义的词汇连同管道

Question

在我scikits学习管道，我想自定义的词汇传递给CountVectorizer（）：

text_classifier = Pipeline([ 
    ('count', CountVectorizer(vocabulary=myvocab)), 
    ('tfidf', TfidfTransformer()), 
    ('clf', LinearSVC(C=1000)) 
]) 

但是，据我了解，当我打电话

text_classifier.fit(X_train, y_train) 

流水线使用CountVectorizer（）的fit_transform（）方法，该方法忽略myvocab。我如何修改我的管道以使用myvocab？谢谢！

Answer 1

这是scikit-learn中的一个bug，我修复了five minutes ago。感谢您的发现。我建议你要么升级到从GitHub最新版本，或者向量化从管道作为一种解决方法分离：

count = CountVectorizer(vocabulary=myvocab) 
X_vectorized = count.transform(X_train) 

text_classifier = Pipeline([ 
    ('tfidf', TfidfTransformer()), 
    ('clf', LinearSVC(C=1000)) 
]) 

text_classifier.fit(X_vectorized, y_train) 

UPDATE：因为这个答案被张贴，此修复程序已在几个纳入scikit学习版本。