我正在尝试在非英语文本数据集上运行LDA(Latent Dirichlet Allocation).
从sklearn的教程中,您可以在此部分中计算要提供给LDA的单词的术语频率：
tf_vectorizer = CountVectorizer(max_df=0.95,min_df=2,max_features=n_features,stop_words='english')
其中有内置停用词功能,我认为只适用于英语.我怎么能用这个我自己的停用词列表呢？
解决方法
您可以将自己的单词的冻结集分配给
stop_words argument,例如：
stop_words = frozenset(["word1","word2","word3"])