我已经为这件事挣扎了一段时间了。

我的目标是获取一个文本特征，并从中找出5-10个最好的单词来帮助我分类。因此，我正在运行一个TfIdfVectorizer，现在选择~90最佳。然而，当我缩小了特性数量之后，我无法看到实际选择了哪些特性。在

以下是我所拥有的：import pandas

from sklearn.feature_extraction.text import TfidfVectorizer

from sklearn.feature_selection import SelectPercentile, f_classif

train=pandas.read_csv("train.tsv", sep='\t')

labels_train = train["label"]

documents = []

for i, row in train.iterrows():

documents.append((row['boilerplate'][1:-1].lower()))

vectorizer = TfidfVectorizer(sublinear_tf=True, stop_words="english")

features_train_transformed = vectorizer.fit_transform(documents)

selector = SelectPercentile(f_classif, percentile=0.1)

selector.fit(features_train_transformed, labels_train)

features_train_transformed = selector.transform(features_train_transformed).toarray()

结果是，features_train_transformed包含一个矩阵，其中包含所选单词的每个文档中每个单词的所有tfidf分数，但是我不知道选择了哪些单词，并且像“get_feature_names()”这样的方法对于SelectPercentile类不可用。在

这是必要的，因为我需要将这些特征添加到一堆数字特征中，然后才能进行训练和预测。在