如何用scikit-learn的CountVectorizer从决策树索引识别特征词？

• 从训练完成的Pipeline中取出CountVectorizer实例：
  假设你的Pipeline定义为pipeline = Pipeline([('vect', CountVectorizer()), ('tfidf', TfidfTransformer()), ('clf', DecisionTreeClassifier())])，执行以下代码获取对应组件：

  vect = pipeline.named_steps['vect']
  

• 构建索引到词汇的反向映射字典：
  vect.vocabulary_的结构是{词汇: 索引}，直接取keys无法对应索引位置，必须反转键值对：

  index_to_word = {idx: word for word, idx in vect.vocabulary_.items()}
  

• 查询索引对应的词汇：
  用决策树节点中的索引7，直接查反向字典即可得到目标词：

  print(index_to_word[7])
  

错误原因说明 #

vect.vocabulary_.keys()返回的词汇集合是无序的，遍历keys得到的元素顺序和索引没有对应关系，因此直接按位置取词会得到错误结果，必须通过反向映射才能准确关联索引与词汇。

内容的提问来源于stack exchange，提问作者code_to_joy