QZQ

原创 TF-IDF特征提取 用sklearn提取tfidf特征

n-gram此处的TF和IDF的公式，都是sklearn中的tfidf使用的公式。和最原始的公式会有些出入。并且根据一些参数的不同而不同。名词的解释： corpus：指所有documents的集合 documents：词语的有序排列。可以是一篇文章、一个句子之类。词频（TF）在一份给定的文件里，词频（term frequency，tf）指的是某一个给定的词语在该文件中出现的频率。这个数字是对词数