机器学习模型输入多个特征的向量

我的实验需要将短文本、情感分数、文本字符长度三种特征输入到模型里训练，但找到的代码是只输入了文本数据，在网上也没有找到结合多个特征的详细代码。

通过请教学姐后，我自己修修改改终于不报错了。如果各位觉得我写的哪里有问题或有更好的方法，请一定要告诉我哇🥺🙌

---

首先，我的csv数据集格式：

body,label,emotion,length
为什么更新了进不去,3,0.1020974195144213,9

输入数据，对body进行分词和去除停用词后，将各特征存在列表中：

corpus.append((words, item[1], item[2], item[3]))

由于我的数据量大，所以还要多进程读取数据。接着，将各特征向量化并组合到一起：

vec, label = vc.load_w2v(corpus)

在load_w2v方法中，我load的是tencent-ailab-embedding模型，对文本进行向量化：

word_vecs.append(w2v_model[word])

将各特征都转换成相同的dtype，不然会报错；将item[2]和item[3]先合并到一个temp1列表中，再将temp1与文本向量水平concatenate，便成功将多个特征合并到一起了：

word_vecs_ = np.array(word_vecs, dtype='float')
lla = np.array(item[1], dtype='float')
temp.extend([item[2], item[3]])
temp1 = np.array(temp, dtype='float')
fe = np.concatenate([np.mean(word_vecs_, axis=0), temp1], axis=0)
vector.append(fe)
temp.clear()
label.append(lla)

将得到的vec和label输入到模型中：

    def classify_svm(self,vec,label):
        vec_ = np.array(vec)
        X_train, X_test, y_train, y_test = train_test_split(vec_, label, test_size=0.2, random_state=1)
        ……