python sklearn TfidfVectorizer

本文介绍了Python的sklearn库中TfidfVectorizer的使用,通过一个实例展示了其计算过程。虽然最终结果与手动计算可能略有差异,但可以看到IDF(逆文档频率)的计算原则,即频繁出现的词汇IDF值低。此外,每个词向量的元素平方和为1,体现了TF-IDF的归一化特性。
摘要由CSDN通过智能技术生成

参考:http://python.jobbole.com/81311/

# -*- coding:utf-8 -*-

from sklearn.feature_extraction.text import TfidfVectorizer, HashingVectorizer
import math
import numpy as np

corpus = ['This is the first document.',
      'This is the second second document.',
      'And the third one.',
      'Is this the first document?',]
vectorizer = TfidfVectorizer(min_df=1)
vectorizer.fit_transform(corpus)
print(vectorizer.get_feature_names())
print(TfidfVectorizer().f
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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