python —— 文本特征提取 CountVectorize
Posted Amysear
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了python —— 文本特征提取 CountVectorize相关的知识，希望对你有一定的参考价值。
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 |
以上是关于python —— 文本特征提取 CountVectorize的主要内容，如果未能解决你的问题，请参考以下文章
文本特征提取专题_以python为工具Python机器学习系列
机器学习之路：python 文本特征提取 CountVectorizer, TfidfVectorizer