Combinación de varios tipos de características
Apilar características textuales y numéricas
Combinación de varios tipos de características es una lección gratuita de NLP Academy en CoddyKit. Esta es la lección 3 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de NLP Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de NLP Academy incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
One Type Is Rarely Enough
TF-IDF captures words, your hand-built numbers capture style. The best models often combine several feature types into one input.
Text and Numbers Together
Imagine a review's TF-IDF vector plus its length and star rating. Stacking these gives the model both word and numeric signal at once.
The Shape Problem
TF-IDF outputs a sparse matrix, while your custom features are a small dense array. You must join them along the same rows.
Side by Side, Not Stacked
We glue features as new columns for the same documents, not new rows. This horizontal join is called concatenation.
Stacking Sparse Matrices
SciPy offers hstack to place matrices side by side efficiently. It keeps everything sparse, so memory stays under control.
from scipy.sparse import hstack
combined = hstack([tfidf_matrix, numeric_features])ColumnTransformer to the Rescue
scikit-learn's ColumnTransformer applies different steps to different columns. It is the clean way to route text and numbers through one pipeline.
Wiring It Up
You give ColumnTransformer a list of named transformers and the columns each one handles. It builds a single feature matrix for you.
from sklearn.compose import ColumnTransformer
ct = ColumnTransformer([("text", TfidfVectorizer(), "review"), ("num", "passthrough", ["length"])])FeatureUnion for Parallel Steps
When several transformers read the same input, FeatureUnion runs them in parallel and joins the outputs. It is built for combining feature extractors.
Mind the Scales
Raw word counts and a 0-to-1000 length live on very different ranges. Mixing them often calls for scaling so no feature dominates.
Let Data Decide
Adding feature types should be a measured experiment. Compare a validation score before and after to confirm the combo actually helps.
More Is Not Always Better
Throwing in every feature can add noise and slow training. Aim for a small, well-chosen mix over a giant kitchen sink. 🧹
Quick Check
How should TF-IDF and numeric features be merged?
Recap
Strong models combine text and numeric features by concatenating columns. Use hstack, ColumnTransformer, or FeatureUnion, and scale before mixing. ✅
Preguntas frecuentes
¿La lección «Combinación de varios tipos de características» es gratis?
Sí — el texto completo de «Combinación de varios tipos de características» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de NLP Academy, actualiza a CoddyKit PRO. El curso de NLP Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Combinación de varios tipos de características»?
Apilar características textuales y numéricas Practicas NLP Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar NLP Academy?
No se requiere experiencia previa. NLP Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 3 de 4.
¿Cuánto tiempo toma la lección «Combinación de varios tipos de características»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de NLP Academy?
Sí. Cada lección de NLP Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Más allá de la bolsa de palabras
- N-gramas de caracteres para mayor robustez
- Combinación de varios tipos de características
- Escalado y selección de características