机器学习
hhiiiiii
这个作者很懒,什么都没留下…
展开
-
去除字符串中的标点符号和特殊字符
在进行中文文本分类时,文本中的标点符号和特殊字符对模型的训练是没有用的,需要去除: a='abc,2013年的一个新闻!,@#% 娱乐' b='' for i in a: if (ord(i)>=32 and ord(i)<=47) or (ord(i)>=58 and ord(i)<=64) or (ord(i)>=91 and ord(i)<=96) or (ord(i)>=123 and ord(i)<=126):原创 2021-09-30 14:08:27 · 832 阅读 · 0 评论 -
2021-09-29 Scikit-learn中CountVectorizer类的使用
Scikit-learn中CountVectorizer类的使用 CountVectorizer会将文本中的词语转换为词频矩阵,它通过fit_transform函数计算各个词语出现的次数。它通过fit_transform()函数计算各个词语出现的次数,通过get_feature_names()可获取词袋中所有文本的关键字,通过toarray()可看到词频矩阵的结果。 from sklearn.feature_extraction.text import CountVectorizer corpus.原创 2021-09-29 16:46:43 · 970 阅读 · 0 评论