解题思路

这道题本质上是一个“文本特征 + 数值特征”的二分类问题，题面已经把特征工程和模型流程规定得非常明确，因此我们只需要严格按题意把整条流水线实现出来即可。

整体流程分为四步：

1. 文本做两路 TF-IDF 特征
2. 数值做标准化 + 二次多项式展开
3. 三路特征拼接

题目内容

现有一个文本与数值的混合数据，需要你在仅使用numpy/pandas/scikit-learn的前提下，实现下表所示四段式特征工程+双基模型平均流程，并输出测试集标签。

输入描述

① $Word-level$ $TF-$ $IDF$ $TfidfVectorizer(lowercase=True,$ $stop\_words="english"$$,ngram\_range=(1,2),$ $sublinear\_tf=True)$

② $Char$ $3-gram$ $TF-$ $IDF$ $TfidfVectorizer(analyzer="char",$$ngram\_range=(3,3), lowercase=True,$ $sublinear\_tf=True)$

③ $Numeric$ $block$ 对输入数值特征做 $StandardScaler$，标准化后每列进行二次多项展开 $PolynomialFeatures(degree=2,$$include\_bias=False)$

④ $Feature$ 合并 拼接三个特征矩阵，即 $hstack([①,②,③])$ 得稀疏矩阵

⑤模型 $A$ $LogisticRegression(penalty=$"$12$"$,C=1.0, solver=$"$liblinear$",$max\_iter=1000)$

⑥模型 $B$ $SGDClassifer(loss=$"$log$"$,penalty=$”$12$"$, alpha=1e-4,$$max\_iter=1000,$$random\_state=42$

⑦软投票 将两个模型输出的结果平均权重投票，最终阈值大于 $0.5$ 则标签为 $1$ ，否则标签为 $0$

输出描述

仅一行：

$[pred\_1, pred\_2, ..., pred\_n]$

长度 $=[test]$ 的 $JSON$ 整数数组 $(0/1)$，以空格间隔。

补充说明

1.所有随机源固定 $random\_state=42$

2.为确保通过测试用例，仅允许使用 $numpy/pandas/scikit-learn$。

样例1

输入

{"train_txt": ["great food and service", "fantastic taste", "delicious pizza", "awesome restaurant", "bad food experience", "awful meal", "terrible service", "horrible taste"],"train_num": [[15.0, 4.8], [12.0, 4.6], [13.5, 4.7], [14.0, 4.9],[9.0, 2.1], [8.5, 2.0], [8.0, 2.2], [9.5, 2.3]],"train_y":[0,0,0,0,1,1,1,1],"test_txt": ["excellent pizza", "terrible meal"],"test_num": [[14.0, 4.7], [8.8, 2.0]]}

输出

[0,1]