虎哥的铲屎员

转自博主啊噗不是阿婆主CountVectorizer是属于常见的特征数值计算类，是一个文本特征提取方法。对于每一个训练文本，它只考虑每种词汇在该训练文本中出现的频率。CountVectorizer会将文本中的词语转换为词频矩阵，它通过fit_transform函数计算各个词语出现的次数。CountVectorizer参数详解CountVectorizer(input='content', ...

fit，我理解为计算机对数据特征进行理解，得到一种转换数据的规则。例如N-gram模型中文本特征提取，fit后可以得到feature_names（一个单词顺序词组），某些词会组成词组作为单独的特征放到向量表示中去。transform，可以理解为利用fit得出的转换规则，把样本转成所需要的向量等。fit_transform等价于先fit后tranform假如把文本样本集分为A、B两个子集。...