机器学习-如何从管道中提取特征

Question

我是该领域的新手，目前我很困。这是我想要的和我做的：

我有一个数据框，它在训练和测试数据集中是单独的。培训功能是Twitter消息，为标签分配了类别。我设置了一个令牌生成器（称为clean_text），该令牌生成器仅保留相关的单词并将消息剥离为核心信息。该模型包括一个网格搜索，如下所示：

def build_model():
   pipeline = Pipeline([
        ('vectorizer', CountVectorizer(tokenizer=clean_text)),
        ('tfidf', TfidfTransformer()),
        ('clf', MultiOutputClassifier(
                RandomForestClassifier()
                ))      
        ])

    # parameters to grid search
    parameters = { 'vectorizer__max_features' : [50],#, 72, 144, 288, 576, 1152],
            'clf__estimator__n_estimators' : [100]}#, 100] }

    # initiating GridSearchCV method
    model = GridSearchCV(pipeline, param_grid=parameters, cv = 5)

    return model

拟合效果很好，评估也不错。我不确定，是否正确设置了模型，功能是否是消息中使用最多的标记（在上述情况下为50），或者是否有错误。

现在的问题是：有没有办法打印出50个功能并查看它们是否正确？

最佳费利克斯

Answer 1

没有示例信息，这是最佳猜测。请检查以下项目是否有效。如果您有样本数据，我们可以为您提供更好的帮助。

print(vectorizer.vocabulary_)

Answer 2

这应该可行，或共享示例数据框

model.estimator.named_steps['vectorizer'].get_feature_names()