我使用了 TfidfVectorizer 并通过 MultinomialNB 将其传递给文档分类，它工作正常。

但是现在我需要为 ex 传递超过 10 万的大量文档，当我尝试将这些文档内容传递给 TfidfVectorizer 时，我的本地计算机被挂起。它似乎有一个性能问题。所以我得到了一个使用 HashingVectorizer 的建议。

我使用下面的代码进行分类（只需用 HashingVectorizer 替换 TfidfVectorizer）

stop_words = open("english_stopwords").read().split("\n")
vect = HashingVectorizer(stop_words=stop_words, ngram_range=(1,5))
X_train_dtm = vect.fit_transform(training_content_list)
X_predict_dtm = vect.transform(predict_content_list)
nb = MultinomialNB()
nb.fit(X_train_dtm, training_label_list)
predicted_label_list = nb.predict(X_predict_dtm)

得到错误：

_count raise ValueError("Input X must be non -negative") ValueError：输入 X 必须为非负数

所以我得到 TfidfVectorizer 是根据单词的出现来计算的，所以它可以工作，但是 HashingVectorizer 逻辑是不同的，我无法弄清楚 HashingVectorizer 将如何在 MultinomialNB 中实现。

有人可以帮我解决这个性能问题。如果可以，我可以将 TfidfVectorizer 用于庞大的训练数据集，那么如何？如果没有，那么我如何在这里使用 HashingVectorizer？