Python——TF-IDF模型

最新推荐文章于 2025-03-26 20:37:24 发布

一克拉的小蚂蚁

最新推荐文章于 2025-03-26 20:37:24 发布

阅读量1.3k

点赞数

分类专栏： Python 文章标签： Python sklearn TF-IDF模型

本文链接：https://blog.youkuaiyun.com/qq_20408903/article/details/89636666

版权

本文介绍了如何使用Python的sklearn库实现TF-IDF模型，详细阐述了TF-IDF的概念，通过实例展示了如何对文本数据进行预处理、构建TF-IDF向量，并解释了其在信息检索和文本分类中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# -*- coding: utf-8 -*-

import MySQLdb
import pandas as pd 
import jieba
from sklearn.feature_extraction.text import TfidfTransformer  
from sklearn.feature_extraction.text import CountVectorizer 


conn = MySQLdb.connect("192.168.67.452", "ASF", "SDFDFG", "FGF", charset='utf8' )
curs = conn.cursor()
sql1='''select content from  evaluate_info limit 100''' #sql语句
curs.execute (sql1)
row=curs.fetchall()   #读取数据表内容，返回元祖类型,元祖的每个元素还是为元祖
data=[]
for i in row:
    i=list(i) #将元祖的每个元素转换为列表
    new=str(i[0]) #将列表转换为字符串
    xx = ' '.join(jieba.cut(new)) #每一段字符串进行分词
    #print(xx)
    data.append(xx) #追加写入data列表，得到的数据格式为：a=['我 爱 学习','我 喜欢 北京']
data1=' '.join(data) #转换为一下格式：a=['我 爱 学习 我 喜欢 北京']
data2=[data1]   #转换为列表格式，例如：a=['a b c']  

curs.cl