python —— 文本特征提取 CountVectorize
2024-08-30 06:59:12
CountVectorize
来自：python学习 文本特征提取(二) CountVectorizer TfidfVectorizer 中文处理 - CSDN博客
https://blog.csdn.net/shuihupo/article/details/80930801
常用数据输入形式为：列表，列表元素为代表文章的字符串，一个字符串代表一篇文章，字符串是已经分割好的
CountVectorizer同样适用于中文
| 参数表 | 作用 |
|---|---|
| stop_words | 停用词表；自定义停用词表 |
| token_pattern | 过滤规则； |
| 属性表 | 作用 |
|---|---|
| vocabulary_ | 词汇表；字典型 |
| get_feature_names() | 所有文本的词汇；列表型 |
| stop_words_ | 返回停用词表 |
CountVectorizer是通过fit_transform函数将文本中的词语转换为词频矩阵，矩阵元素a[i][j] 表示j词在第i个文本下的词频。即各个词语出现的次数，通过get_feature_names()可看到所有文本的关键字，通过toarray()可看到词频矩阵的结果。
| 方法表 | 作用 |
|---|---|
| fit_transform(X) | 拟合模型，并返回文本矩阵 |
最新文章
- Centos7强制卸载Mariadb
- Excel 导入 Sql Server出错——“文本被截断,或者一个或多个字符在目标代码页中没有匹配项”错误的解决
- codeforces 338（Div 2） B. Longtail Hedgehog 解题报告
- 用Objective-C的Category特性添加类的属性
- WINDOWS API 函数（超长，值得学习）
- C#时间格式之GMT时间的格式
- iOS7以后的侧滑返回上一页
- Source
- Android NDK 下的宽字符编码转换及icu库的使用(转)
- logging日志
- BZOJ_4516_[Sdoi2016]生成魔咒_后缀数组+ST表+splay
- SQL 注入~MySQL专题
- PLsql链接oracle配置
- CSS3媒体查询的部分重要属性
- JDBC事务（二）转账示例
- JavaScript大杂烩6 - 理解JavaScript中的this
- java.lang.Exception: DEBUG STACK TRACE for PoolBackedDataSource.close().
- 《Java多线程编程核心技术》——多线程与同步
- 《Software Design中文版01》
- python-计算器实现