首页 > 编程语言 > 详细

python —— 文本特征提取 CountVectorize

时间:2018-08-20 16:21:54      阅读:361      评论:0      收藏:0      [点我收藏+]

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

python —— 文本特征提取 CountVectorize

原文:https://www.cnblogs.com/yxh-amysear/p/9506047.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!