sklearn.feature_extraction.text.TfidfVectorizer用法

In [1]: from sklearn.feature_extraction.text import TfidfVectorizer

In [2]: cv = TfidfVectorizer(binary=False, decode_error='ignore', stop_words='english')

In [3]: vec = cv.fit_transform(['hello my friend', 'i love cooking and singing', 'i am studying machine learning'])

In [4]: res = vec.toarray()

In [6]: res
Out[6]:
array([[0.        , 0.70710678, 0.70710678, 0.        , 0.        ,0.        , 0.        , 0.        ],
       [0.57735027, 0.        , 0.        , 0.        , 0.57735027,0.        , 0.57735027, 0.        ],
       [0.        , 0.        , 0.        , 0.57735027, 0.        ,0.57735027, 0.        , 0.57735027]])

由此可见,结果中,每一行代表一句话i,每一列代表一个单词j。元素aij就代表了单词j在语句i中的tf-idf值。有点类似one-hot encoding。但是矩阵的值不像one-hot编码,只能表示单词j是否在语句i中出现,或单词j在语句i中出现的次数,而是tfidf数值,包含的信息更多。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值