Scikit-learn 的 CountVectorizer类允许您将字符串“英语”传递给参数 stop_words。我想在这个预定义列表中添加一些东西。谁能告诉我该怎么做？
最佳答案
根据source code对于 sklearn.feature_extraction.text，ENGLISH_STOP_WORDS 的完整列表(实际上是一个 frozenset，来自 stop_words )通过 __all__ 公开。因此，如果您想使用该列表以及更多项目，您可以执行以下操作:
from sklearn.feature_extraction import text
stop_words = text.ENGLISH_STOP_WORDS.union(my_additional_stop_words)
(其中 my_additional_stop_words 是任何字符串序列)并将结果用作 stop_words 参数。 CountVectorizer.__init__ 的输入由 _check_stop_list 解析，它将直接传递新的 frozenset。
关于python - 将单词添加到 scikit-learn 的 CountVectorizer 的停止列表，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/24386489/