python —— 文本特徵提取 CountVectorize

標籤：voc   參數表   token   get   csdn   文章   fit   ali   規則   

CountVectorize

來自：python學習 文本特徵提取(二) CountVectorizer TfidfVectorizer 中文處理 - CSDN部落格

80930801

常用資料輸入形式為：列表，列表元素為代表文章的字串，一個字串代表一篇文章，字串是已經分割好的CountVectorizer同樣適用於中文

參數表	作用
stop_words	停用詞表；自訂停用詞表
token_pattern	過濾規則；

 

屬性工作表	作用
vocabulary_	詞彙表；字典型
get_feature_names()	所有文本的詞彙；列表型
stop_words_	返回停用詞表

CountVectorizer是通過fit_transform函數將文本中的詞語轉換為詞頻矩陣，矩陣元素a[i][j] 表示j詞在第i個文本下的詞頻。即各個詞語出現的次數，通過get_feature_names()可看到所有文本的關鍵字，通過toarray()可看到詞頻矩陣的結果。

方法表	作用
fit_transform(X)	擬合模型，並返迴文本矩陣

python —— 文本特徵提取 CountVectorize