溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹了Python中Tf-idf怎么用，具有一定借鑒價值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。
說明
1、TF-IDF是如果詞或詞組出現(xiàn)在文章中的概率較高，而在其他文章中很少出現(xiàn)，那么它就被認為具有很好的類別區(qū)分能力，適合進行分類。
2、提取文本特征，用來評估字詞對文件集或某個語料庫中文件的重要性。
實例
def tfidf_demo():
"""
用tfidf的方法進行文本特征提取
:return:
"""
# 1.將中文文本進行分詞
data = ["一種還是一種今天很殘酷，明天更殘酷，后天很美好，但絕對大部分是死在明天晚上，所以每個人不要放棄今天。",
"我們看到的從很遠星系來的光是在幾百萬年之前發(fā)出的，這樣當我們看到宇宙時，我們是在看它的過去。",
"如果只用一種方式了解某樣事物，你就不會真正了解它。了解事物真正含義的秘密取決于如何將其與我們所了解的事物相聯(lián)系。"]
data_new = []
for sent in data:
data_new.append(cut_word(sent))
# print(data_new)
# 2.實例化一個轉(zhuǎn)換器類
transfer = TfidfVectorizer(stop_words=["一種", '因為'])
# 3.調(diào)用fit_transform
data_final = transfer.fit_transform(data_new)
print("data_new:\n", data_final.toarray())
print("特征名字:\n", transfer.get_feature_names())
return None感謝你能夠認真閱讀完這篇文章，希望小編分享的“Python中Tf-idf怎么用”這篇文章對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業(yè)資訊頻道，更多相關知識等著你來學習!
免責聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權內(nèi)容。
