我在scikit学习中使用线性SVM进行二进制分类任务。我使用名义特征和单词向量。我使用预训练的Google word2vec获得了单词向量，但是，我不确定SVM如何将单词向量作为一个特征来处理。 似乎我需要在300个单独的特征（= 300个向量维度）中“分割”每个向量，因为我无法将向量作为一个整体传递给SVM。但这似乎不对，因为矢量应该被视为一个特征。 在这种情况下，表示向量的正确方法是什么？
从SVM的角度来看，单词向量的每个维度都是一个单独的数字要素 - 该向量中的每个维度代表一个表示不同内容的数字度量。
这同样适用于非SVM分类器。例如，如果您有一个神经网络，并且您的输入要素是长度为300的单词向量，并且（为了粗略的例子）稍微说明该单词是否大写，那么您将连接这些内容和将有301个数字作为您的输入;您将该特征视为300个维度中的每一个。