sklearn.feature_extraction.text.CountVector

1，参数

sklearn.feature_extraction.text.CountVector是sklearn.feature_extraction.text提供的文本特征提取方法的一种。

sklearn.feature_extraction.text 的4中文本特征提取方法：

• CounterVector
• TfidfVectorizer
• TfidfTransformer
• HashingVectorizer

看看这个函数的参数：

sklearn.feature_extraction.text.CountVectorizer(
input=’content’,         #输入，可以是文件名字，文件，文本内容
encoding=’utf-8’,       #默认编码方式
decode_error=’strict’, # 编码错误的处理方式，有三种{'strict','ignore','replace}
strip_accents=None, # 去除音调，三种{'ascill','unicode',None},ascii处理的速度快，但只适用于ASCll编码，unicode适用于所有的字符，但速度慢
lowercase=True, # 转化为小写
preprocessor=None,
tokenizer=None, #
stop_words=None,
token_pattern=’(?u)\b\w\w+\b’, ngram_range=(1, 1),
analyzer=’word’, #停止词，一些特别多，但没有意义的词，例如 a ,the an
ma