机器学习_TF-IDF

【1】本算法的目的是从文档中找出主题词，来对文档进行分类。见大数据书P6。

【2】有点像文档的特征选取，选出文档中最具有代表性的词。

【3】理解：第一：主题词确实会在文档中重复出现，但并不是最频繁的。（语气词、停顿词最频繁）

                    第二：一篇文档的主题词在其他文档中几乎不会出现。

【4】所以挑选主题词，对词语在一篇文档的打分的公式为： 

                                                             （词在一篇文档中出现的频率）*（词出现文档的文档数越少，值越大的函数）

【5】启示：如果一件事情由两个标准构成，那么可以使这两个标准相乘。