TF-IDF特征提取 用sklearn提取tfidf特征

n-gram

此处的TF和IDF的公式，都是sklearn中的tfidf使用的公式。和最原始的公式会有些出入。并且根据一些参数的不同而不同。

名词的解释：
corpus：指所有documents的集合
documents：词语的有序排列。可以是一篇文章、一个句子之类。

词频（TF）

在一份给定的文件里，词频（term frequency，tf）指的是某一个给定的词语在该文件中出现的频率。这个数字是对词数（term count）的归一化，以防止它偏向长的文件。（同一个词语在长文件里可能会比短文件有更高的词数，而不管该词语重要与否。）对于在某一特定文件里的词语 $t$ 来说，$tf_t$可表示为：

$$tf_{d,t}=\frac{n_{d,t}}{\sum_k n_{d,k} }$$
其中 t