我有一个数据集，它有三个（或可能是两个以上）列A，B和C（C是非结构化文本（即文档）） . 记录的分类不仅基于文本文档，而且基于列A，B和C的组合 . 也就是说，相同的文档文本以及A和B的不同组合在培训数据 .
C语言本身的文本分类相对容易，但是我遇到的是三个组合的挑战 . 例如，如果我的训练数据是列A，B和C列，C是文档，我可以自己使用C作为：
vectorizer = TfidfVectorizer()
vtrain = vectorizer.fit_transform(train["C"])
这将为我提供矢量化器中特征名称和词汇表的稀疏特征矩阵 . 但是，如何将A和B中的值（总是非零）与C结合使用以进一步用于分类（NB或SVM等）？
我正在考虑使用TruncatedSVD使其密集到一个可接受的n_component，如：
svd = TruncatedSVD（n_components = 100，n_iter = 5，random_state = 42）但问题是我如何将来自svd的输出与列A和B的密集矩阵组合来训练我的模型？