sklearn
BierOne
SDU->CityU; I am now a Ph.D. candidate at HK CityU.
展开
-
sklearn--CountVectorizer提取的词频矩阵的表示
词频矩阵如上图,矩阵的shape为[4, 9],行数为document的数目,列数为vocabulary的大小。其中矩阵元素a[i][j] 表示j词在i类文本下的词频参考文献http://www.bubuko.com/infodetail-615761.htmlhttps://www.jianshu.com/p/c7e2771eccaa?utm_campaign=maleskine&utm_content=note&utm_medium=reader_share&utm原创 2021-04-03 17:48:21 · 1593 阅读 · 0 评论 -
sklearn--CountVectorizer中的min_df和max_df
max_df用于删除过于频繁出现的术语,也称为“语料库特定的停用词”.例如:max_df = 0.50表示“忽略出现在50%以上文档中的术语”.max_df = 25表示“忽略超过25个文档中出现的术语”.默认的max_df是1.0,这意味着“忽略出现在100%以上文档中的术语”.因此,默认设置不会忽略任何术语.min_df用于删除不经常出现的术语.例如:min_df = 0.01表示“忽略出现在少于1%的文档中的术语”.min_df = 5表示“忽略少于5个文档中出现的术语”.默认m转载 2021-04-03 17:42:44 · 2728 阅读 · 0 评论