sklearn

字典特征抽取

类： sklearn.feature_extration.DictVetorizer
DictVetorizer.fit_transform(x) //x为字典或者字典的迭代器 返回数组后者矩阵
DictVetorizer.inverse_transform(x) //和上面操作相反
DictVetorizer.get_feature_name() //返会类别名称。
作用：把字典中字符串类的转化为数值。

文本特征抽取

类：DictVetorizer.feature_extration.text.CountVectorize
方法一样。
只对英文文章有用。
如果对中文有用。要用jieba分词。

pip install jieba

重要性评估：就是一个词语在一篇文章出现的比例大
类：DictVetorizer.feature_extration.text.TfidfVetorizer
概念：
tf：这个词出现的频率（次数）
idf：总文章数量/这个词出现过文章的次数
重要性 = tf * idf

k近0算法（实际就是距离公式）

类：sklearn.neightbors.KNeightborsClassfier(n_neightbors=5,algorthm=‘aoto’)

• n_neightbors 使用的邻居数，默认为5
• algorthm 找邻居的算法 【’auto‘,‘ball_tree’,kd_tree,brute】