python tfidf,python中tfidfvectorizer

　　说明

　　1.TF-IDF是指如果一个词或短语在一篇文章中出现的概率很高，但在其他文章中很少出现，那么就认为它具有很好的分类能力，适合分类。

　　2.提取文本特征以评估单词对文档集合或语料库中的文档的重要性。

　　实例

　　deftfidf_demo():

　　基于tfidf方法的文本特征提取

　　:返回：

　　#1.将中文文本分成单词

　　Data=[这样或那样今天很残酷，明天更残酷，后天也很美好，但明天晚上肯定大部分都会死，所以大家今天不要放弃。,

　　我们从遥远星系看到的光是几百万年前发出的，所以当我们看到宇宙时，我们正在看它的过去。

　　如果你只从一个方面了解一件事，你就不会真正了解它。知道事物真正意义的秘密取决于如何把它与我们所知道的联系起来。]

　　data_new=[]

　　forsentindata:

　　data_new.append(cut_word(sent))

　　#打印(数据_新)

　　#2.实例化一个转换器类

　　transfer=tfidf vectorizer(stop _ words=[一种，因为])

　　#3.调用fit _变换

　　data _ final=transfer . fit _ transform(data _ new)

　　print(data_new:n ，data_final.toarray())

　　Print(功能名称： n ，transfer.get _ feature _ names())

　　ReturnNone以上是Python中Tf-idf文本特征的提取。希望对你有帮助。更多python学习方向：Python基础课程

　　本教程运行环境：windows7系统，Python 3.9.1，DELL G3电脑。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。