FeatureHasher#
- class sklearn.feature_extraction.FeatureHasher(n_features=1048576, *, input_type='dict', dtype=<class 'numpy.float64'>, alternate_sign=True)[源代码]#
实现具有哈希功能，又名哈希技巧。
此类将符号要素名称（字符串）序列转化为scipy.sparse矩阵，使用哈希函数计算与名称对应的矩阵列。使用的哈希函数是Murmurhash 3的签名32位版本。
字节字符串类型的功能名称按原样使用。首先将Unicode字符串转换为UTF-8，但不进行Unicode规范化。特征值必须是（有限）数字。
此类是DictVectorizer和CountVectorizer的低内存替代品，旨在用于大规模（在线）学习和内存紧张的情况，例如在嵌入式设备上运行预测代码时。
有关不同特征提取器的效率比较，请参阅 收件箱Hasher和DictVectorizer比较 .
阅读更多的 User Guide .
Added in version 0.13.
- 参数:
- n_featuresint，默认值=2**20
输出矩阵中的要素（列）数量。少量特征可能会导致哈希冲突，但大量特征会导致线性学习器中的系数维度更大。
- input_typestring，default='dict'
从“dict”、“pair”、“string”中选择一个字符串。“dict”（默认值）接受字典（feature_Name，Value）;“pair”接受字典对（feature_Name，Value）;或“字符串”接受单个字符串。feature_list应该是一个字符串，值应该是一个数字。在“字符串”的情况下，隐含值1。对feature_list进行哈希处理，以查找该功能的适当列。该值的符号可能会在输出中翻转（但请参阅下面的non_negative）。
- dtypenumpy dype，默认=np.float64
特征值的类型。作为d类型参数传递给scipy.sparse矩阵构造器。不要将其设置为bool、np. bo布尔或任何无符号integer类型。
- alternate_sign布尔，默认=True
当为True时，将交替符号添加到特征中，以便即使对于小n_特征也大致保留哈希空间中的内能积。这种方法类似于稀疏随机投影。
在 0.19 版本发生变更:
alternate_sign取代现已废弃的non_negative参数.
参见
DictVectorizer使用哈希表对字符串值特征进行载体化。
sklearn.preprocessing.OneHotEncoder处理名义/分类特征。
注意到
这个估计器是 stateless 并且不需要安装。不过，我们建议致电
fit_transform而不是transform，因为参数验证仅在fit.示例
>>> from sklearn.feature_extraction import FeatureHasher >>> h = FeatureHasher(n_features=10) >>> D = [{'dog': 1, 'cat':2, 'elephant':4},{'dog': 2, 'run': 5}] >>> f = h.transform(D) >>> f.toarray() array([[ 0., 0., -4., -1., 0., 0., 0., 0., 0., 2.], [ 0., 0., 0., -2., -5., 0., 0., 0., 0., 0.]])
与
input_type="string"，输入必须是字符串可迭代的迭代对象：>>> h = FeatureHasher(n_features=8, input_type="string") >>> raw_X = [["dog", "cat", "snake"], ["snake", "dog"], ["cat", "bird"]] >>> f = h.transform(raw_X) >>> f.toarray() array([[ 0., 0., 0., -1., 0., -1., 0., 1.], [ 0., 0., 0., -1., 0., -1., 0., 0.], [ 0., -1., 0., 0., 0., 0., 0., 1.]])
- fit(X=None, y=None)[源代码]#
仅验证估计器的参数。
该方法允许：（i）验证估计器的参数以及（ii）与scikit-learn Transformer API一致。
- 参数:
- X忽视
未使用，此处列出是为了按照惯例实现API一致性。
- y忽视
未使用，此处列出是为了按照惯例实现API一致性。
- 返回:
- self对象
SEARCH哈希器类实例。
- fit_transform(X, y=None, **fit_params)[源代码]#
适应数据，然后对其进行转换。
适合变压器
X和y具有可选参数fit_params并返回的转换版本X.- 参数:
- X形状类似阵列（n_samples，n_features）
输入样本。
- y形状为（n_samples，）或（n_samples，n_outputs）的阵列状， 默认值=无
目标值（无监督转换）。
- **fit_paramsdict
其他适合参数。
- 返回:
- X_newndray形状数组（n_samples，n_features_new）
变形的数组。
- get_metadata_routing()[源代码]#
获取此对象的元数据路由。
请检查 User Guide 关于路由机制如何工作。
- 返回:
- routingMetadataRequest
A
MetadataRequest封装路由信息。
- get_params(deep=True)[源代码]#
获取此估计器的参数。
- 参数:
- deep布尔，默认=True
如果为True，将返回此估计量和包含的作为估计量的子对象的参数。
- 返回:
- paramsdict
参数名称映射到其值。
- set_output(*, transform=None)[源代码]#
设置输出容器。
看到 介绍 set_output API 了解如何使用API的示例。
- 参数:
- transform{“默认”，“pandas”，“polars”}，默认=无
配置输出
transform和fit_transform."default"：Transformer的默认输出格式"pandas"：DataFrame输出"polars"：两极输出None：转换配置不变
Added in version 1.4:
"polars"添加了选项。
- 返回:
- self估计器实例
估计实例。