広告の投稿に基づいて価格を予測しようとする Python コードを理解しようとしています。
テキスト ベクトライザーを適合させる前hstack((des, titles))に、広告の説明desと広告のタイトルに対して関数が実行されますtitles。
質問: を行う理由は何hstackですか? desとmergedを印刷するときの違いはわかりません。別々にmerged渡すのではなく、トレーニングデータとして使用されているようです。これはどのように作動しますか？destitles
ベクトル化機能
def fit(des, titles, sal, clf, alpha):
tRidge = time()
vect = TfidfVectorizer(min_df=1,ngram_range=(1,3),max_features=24000000)
vect2 = TfidfVectorizer(min_df=1,ngram_range=(1,3),max_features=24000000)
des = vect.fit_transform(des)
titles = vect2.fit_transform(titles)
merged = hstack((des, titles))
print des, "\n\n\n\n"
print titles, "\n\n\n\n"
print merged
rr = linear_model.Ridge(alpha= alpha)
rr.fit(merged,sals)
return vect, vect2, rr
結果
(0, 2991) 0.0923069427531
(0, 2989) 0.156938669001
(0, 2988) 0.183108029528
(0, 2984) 0.183108029528
(0, 2983) 0.0923069427531
(0, 2982) 0.0923069427531
(0, 2981) 0.0923069427531
(0, 2976) 0.0923069427531
(0, 2974) 0.0784693345005
(0, 2973) 0.1373027904
(0, 2968) 0.0923069427531
(0, 2967) 0.0923069427531
(0, 2966) 0.183108029528
(0, 2859) 0.0610360098426
(0, 2858) 0.0610360098426
(0, 2855) 0.0548137869472
(0, 2811) 0.0923069427531
(0, 2810) 0.0610360098426
(0, 2807) 0.0548137869472
(0, 2671) 0.0923069427531
(0, 2670) 0.0923069427531
(0, 2663) 0.0784693345005
(0, 2662) 0.0784693345005
(0, 2659) 0.0819523573892
(0, 2642) 0.0923069427531
: :
(9, 225) 0.0518713890037
(9, 208) 0.105028746631
(9, 155) 0.0518713890037
(9, 154) 0.0518713890037
(9, 153) 0.0518713890037
(9, 152) 0.0518713890037
(9, 151) 0.0518713890037
(9, 149) 0.0440954196221
(9, 140) 0.0835380774247
(9, 135) 0.0518713890037
(9, 134) 0.0518713890037
(9, 132) 0.0881908392442
(9, 131) 0.0771565630894
(9, 122) 0.0518713890037
(9, 121) 0.0518713890037
(9, 118) 0.0518713890037
(9, 117) 0.0518713890037
(9, 116) 0.0771565630894
(9, 25) 0.0518713890037
(9, 8) 0.0518713890037
(9, 7) 0.0440954196221
(9, 6) 0.0440954196221
(9, 5) 0.0518713890037
(9, 4) 0.0518713890037
(9, 3) 0.0518713890037
(0, 69) 0.42208707303
(0, 68) 0.42208707303
(0, 27) 0.42208707303
(0, 26) 0.42208707303
(0, 24) 0.379058050386
(0, 0) 0.379058050386
(1, 62) 0.42435658025
(1, 61) 0.42435658025
(1, 60) 0.42435658025
(1, 28) 0.42435658025
(1, 23) 0.42435658025
(1, 22) 0.315606501824
(2, 59) 0.346009923908
(2, 58) 0.346009923908
(2, 44) 0.346009923908
(2, 43) 0.346009923908
(2, 42) 0.346009923908
(2, 7) 0.346009923908
(2, 6) 0.346009923908
(2, 5) 0.346009923908
(2, 0) 0.205467906151
(3, 70) 0.343926205461
(3, 69) 0.227413915309
(3, 68) 0.227413915309
(3, 41) 0.343926205461
: :
(7, 16) 0.231189334057
(7, 12) 0.271958221129
(7, 11) 0.271958221129
(7, 10) 0.271958221129
(8, 76) 0.265672282889
(8, 75) 0.265672282889
(8, 74) 0.265672282889
(8, 73) 0.265672282889
(8, 72) 0.265672282889
(8, 53) 0.265672282889
(8, 52) 0.22584571227
(8, 51) 0.22584571227
(8, 35) 0.265672282889
(8, 18) 0.265672282889
(8, 17) 0.265672282889
(8, 16) 0.22584571227
(8, 15) 0.265672282889
(8, 14) 0.265672282889
(8, 13) 0.265672282889
(9, 65) 0.435367791014
(9, 64) 0.435367791014
(9, 63) 0.370102397554
(9, 22) 0.323795863959
(9, 9) 0.435367791014
(9, 8) 0.435367791014
(0, 2991) 0.0923069427531
(0, 2989) 0.156938669001
(0, 2988) 0.183108029528
(0, 2984) 0.183108029528
(0, 2983) 0.0923069427531
(0, 2982) 0.0923069427531
(0, 2981) 0.0923069427531
(0, 2976) 0.0923069427531
(0, 2974) 0.0784693345005
(0, 2973) 0.1373027904
(0, 2968) 0.0923069427531
(0, 2967) 0.0923069427531
(0, 2966) 0.183108029528
(0, 2859) 0.0610360098426
(0, 2858) 0.0610360098426
(0, 2855) 0.0548137869472
(0, 2811) 0.0923069427531
(0, 2810) 0.0610360098426
(0, 2807) 0.0548137869472
(0, 2671) 0.0923069427531
(0, 2670) 0.0923069427531
(0, 2663) 0.0784693345005
(0, 2662) 0.0784693345005
(0, 2659) 0.0819523573892
(0, 2642) 0.0923069427531
: :
(7, 3669) 0.231189334057
(7, 3665) 0.271958221129
(7, 3664) 0.271958221129
(7, 3663) 0.271958221129
(8, 3729) 0.265672282889
(8, 3728) 0.265672282889
(8, 3727) 0.265672282889
(8, 3726) 0.265672282889
(8, 3725) 0.265672282889
(8, 3706) 0.265672282889
(8, 3705) 0.22584571227
(8, 3704) 0.22584571227
(8, 3688) 0.265672282889
(8, 3671) 0.265672282889
(8, 3670) 0.265672282889
(8, 3669) 0.22584571227
(8, 3668) 0.265672282889
(8, 3667) 0.265672282889
(8, 3666) 0.265672282889
(9, 3718) 0.435367791014
(9, 3717) 0.435367791014
(9, 3716) 0.370102397554
(9, 3675) 0.323795863959
(9, 3662) 0.435367791014
(9, 3661) 0.435367791014