sklearn的Featurehasher
特征提取器与DictVectorizer
对应部分相比具有多个优点,这要归功于使用了哈希技巧。
似乎很难利用的一个优势是它可以并行运行。
我的问题是,如何使FeatureHasher
并行运行?
最佳答案
您可以使用FeatureHasher.transform
(scikit-learn支持并行处理的库)实现joblib
的并行版本:
from sklearn.externals.joblib import Parallel, delayed
import numpy as np
import scipy.sparse as sp
def transform_parallel(self, X, n_jobs):
transform_splits = Parallel(n_jobs=n_jobs, backend="threading")(
delayed(self.transform)(X_split)
for X_split in np.array_split(X, n_jobs))
return sp.vstack(transform_splits)
FeatureHasher.transform_parallel = transform_parallel
f = FeatureHasher()
f.transform_parallel(np.array([{'a':3,'b':2}]*10), n_jobs=5)
<10x1048576 sparse matrix of type '<class 'numpy.float64'>'
with 20 stored elements in Compressed Sparse Row format>
关于python - sklearn FeatureHasher并行化,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/39948138/